高效能運算架構整合了運算、記憶體、儲存及網路資源,以因應高要求的工作負載。
高效能運算(HPC)能快速處理資料並執行複雜的運算。HPC 可支援要求嚴苛的人工智慧(AI)、機器學習(ML)、模擬以及電子設計自動化(EDA)工作負載。透過雲端部署,可擴展本地端 HPC 的運算能力,並根據工作負載的變化動態分配運算與儲存資源。
HPC 架構將運算資源與執行複雜工作負載所需的記憶體、儲存裝置、互連架構及軟體整合在一起。在雲端環境中,團隊可以針對需求激增的情況配置資源,而非必須隨時將本地基礎架構的規模調整至足以應對峰值使用量。根據工作負載微調架構,有助於在處理時間、效能與成本之間取得平衡。
雲端 HPC 架構的設計原則有哪些?
動態建築
設計容量應能隨自然的工作負載週期而擴展或縮減。對於工作量突增的專案而言,採用彈性且按用量付費的資源,比那些在需求高峰期之間處於閒置狀態的系統更為有利。
資料可見性
了解資料的來源、規模、傳輸速度及更新狀況。資料服務、分析與視覺化可協助制定關於整體效能與成本的決策。
合作
請規劃將分享哪些工具、腳本、方法、結果及資料,以及分享對象為何。這點對於橫跨多個團隊或不同地理區域的專案而言尤為重要。
雲端原生 設計
請考慮採用雲端原生 的部署模式,而非單純複製本地環境。自動化叢集部署可協助團隊在需求變更時,停用一個運算叢集並啟動另一個。
負載測試
在遷移前,請先測試實際的工作負載。HPC 應用程式的記憶體、CPU、網路行為、演算法及模型複雜度各不相同,因此通用基準測試可能無法可靠地預測其效能。
成本與時間的權衡
針對對時間敏感度較低的工作負載,應以成本為考量進行優化,可考慮使用現貨或可預先終止型執行個體。應優先確保緊急工作負載的執行時間,並在比較各項選項時,將資源配置、資料預處理及佇列等待時間納入考量。
HPC 架構如何支援 EDA 工作負載?
EDA 工作負載通常需要一個運算叢集、一個工作排程器,以及一個高效能的共用檔案系統。雲端資源能夠支援並行 EDA 工作,並協助團隊因應不斷變化的運算需求。應根據各工作負載的特性(包括對共用資料、記憶體及互連效能的需求)來選擇並測試合適的架構。
只要與工作負載相匹配,基於雲端的 HPC 架構便能支援運算密集型的人工智慧、模擬及晶片設計任務,且無需仰賴自有基礎設施來滿足每一個需求高峰。[1]
Synopsys Cloud 將高效能運算(HPC)基礎架構與電子設計自動化(EDA)軟體授權的隨需存取功能結合。其基於雲端的 EDA 平台與預先優化的基礎架構配置,可協助團隊在維持既有工作流程的同時,部署設計與驗證工作負載。
Synopsys Cloud 透過靈活存取軟體與雲端資源,支援運算密集型的 EDA 專案。探索 Synopsys Cloud 將向深入瞭解 介紹基於雲端的晶片設計與驗證。