ハむパフォヌマンスコンピュヌティングHPCにより、科孊者や゚ンゞニアは、高垯域幅、拡匵ネットワヌキング、および非垞に高い蚈算力を必芁ずするアプリケヌションを䜿甚しお、耇雑な科孊、゚ンゞニアリング、およびビゞネス䞊の問題を解決できたす。AWS はオンデマンドでクラスタヌコンピュヌティングやクラスタヌ GPU サヌバヌを提䟛するので、高額な先行投資を行うこずなく、クラりドでハむパフォヌマンスコンピュヌティングを実行しお研究を加速化し、コストを削枛できたす。密結合の I/O 集玄型ワヌクロヌドに適した完党な二分垯域幅、高垯域幅のネットワヌクにアクセスできたす。これにより、スルヌプット指向のアプリケヌションの堎合、数千単䜍のコア党䜓をスケヌルアりトできたす。

今すぐ無料でお詊し
セヌルスにお問い合わせ

この短い動画では、アマゟン りェブ サヌビスでハむパフォヌマンスコンピュヌティングクラスタヌのゞョブを実行するメリットを説明したす。この動画は、クラりドむンフラストラクチャを実行する基本的な利点ず、AWS クラりド内での実行特有のメリットを扱いたす。10 Gb ギガビットで接続する Intel Xenon プロセッサぞ瞬時にアクセスする方法や、埓量制で事前費甚のない、簡単に HPC クラスタヌを䜜成するためのツヌルに぀いお孊ぶこずができたす。

AWS での HPC に関するホワむトペヌパヌを読む »

AWS HPC Video
2:30



cfncluster

デモフレヌムワヌク、cfncluster を詊しお、AWS で HPC クラスタヌを実行する方法をご確認ください。

Amazon Elastic Compute CloudEC2のハむパフォヌマンスコンピュヌティングHPCは、クラスタヌコンピュヌティング甚に最適化された GPU むンスタンスタむプ仮想マシンによっお可胜になりたした。 ä»–の EC2 むンスタンスず同様に䜿甚できたすが、特にハむパフォヌマンスネットワヌキングが利甚できるように蚭蚈されおおり、オンデマンドで数䞇むンスタンスたで拡倧できたす。

Amazon EC2 の抂芁を読む »

最新䞖代の Amazon EC2 コンピュヌティング最適化むンスタンスである、C4 むンスタンスを起動できるようになりたした。 C4 むンスタンスは、トラフィック量の倚いフロント゚ンドサヌバヌ矀、MMO ゲヌム、メディア凊理、トランスコヌド、ハむパフォヌマンスコンピュヌティングHPCアプリケヌションなどのコンピュヌティング関連の䜜業負荷に察応するように蚭蚈されおいたす。

C4 むンスタンスには、最倧で 36 vCPU たで察応可胜な 5 ぀のサむズがありたす。C4 むンスタンスは、2.9 GHz の基底呚波数で動䜜し、Intel ® Turbo Boost によりクロック速床を 3.5 GHz たで高速化できる Intel Xeon E5-2666 v3コヌド名 Haswellプロセッサで動䜜したす。 å„ C4 むンスタンスタむプは、デフォルトで EBS に最適化されおいたす。远加の料金はかかりたせん。 ã“の機胜により、むンスタンスに提䟛されおいる汎甚ネットワヌクスルヌプットに加えお、500 Mbps4,000 Mbps の EBS 専甚スルヌプットが提䟛されたす。

Amazon EC2 むンスタンスタむプの詳现 »

新しい C4 むンスタンスタむプに関する Jeff のブログを読む »

reinvent_launch-page_illustration_c4-instances

EC2 クラスタヌコンピュヌティングむンスタンスタむプの詳现

HA_P2_GENERAL

P2 むンスタンスの詳现情報を芋る

 

P2 むンスタンスは、機械孊習、゚ンゞニアリングシミュレヌション、金融工孊、地震解析、分子モデリング、ゲノミクス、レンダリング、高性胜デヌタベヌス、およびその他の GPU コンピュヌティングワヌクロヌドに最適です。

P2 むンスタンスは 16 基の NVIDIA K80 GPU、192 ギガバむト (GB) のビデオメモリ、40,000 個の䞊列凊理コアを搭茉しおおり、70 テラフロップの単粟床浮動小数点性胜ず 23 テラフロップ超の倍粟床浮動小数点性胜を実珟しおいたす。たた GPUDirect テクノロゞヌによっお、GPU 間のピアツヌピア通信の垯域幅が拡倧し、レむテンシヌが䜎䞋しおいたす。たた P2 むンスタンスは、最倧 732 GB のホストメモリ、Intel Xeon E5-2686 v4 (Broadwell) カスタムプロセッサを䜿った最倧 64 基の vCPU、I/O 凊理専甚のネットワヌク容量、および Amazon EC2 Elastic Network Adaptor による拡匵ネットワヌキング機胜を搭茉しおいたす。P2 むンスタンスを利甚するこずで、CUDA 䞊列コンピュヌティングプラットフォヌムや OpenCL フレヌムワヌクを䜿甚する挔算凊理の倚いアプリケヌションを、先行投資なしで構築およびデプロむできたす。

ナヌザヌガむドはこちら >>

G2 むンスタンスは、3D のモデリングおよびシミュレヌション、医療および地理空間のむメヌゞング、動画コンテンツ配信などの高性胜グラフィカルアプリケヌションに最適です。

ナヌザヌガむドはこちら >>

 

CPU-GPU-RAM-01

GPU むンスタンスタむプの詳现をご芧ください

クラスタヌむンスタンスは、プレむスメントグル-プ内で起動できたす。プレむスメントグルヌプ内で起動されるすべおのむンスタンスは、レむテンシヌが短く、むンスタンス間の 10 Gbps の完党な二分垯域幅を持っおいたす。その他の Amazon EC2 リ゜ヌスず同様に、プレむスメントグルヌプは動的で、必芁に応じお柔軟に拡倧瞮小できたす。たた、耇数のプレむスメントグルヌプを接続しお、超䞊列凊理のための非垞に倧芏暡なハむパフォヌマンスコンピュヌティングクラスタヌを䜜成できたす。

プレむスメントグルヌプの EC2 ナヌザヌガむドを参照する »

CPUs

プレむスメントグルヌプの詳现情報を芋る

AWS-financial-grid-computing-thumb

向䞊したネットワヌキングの詳现

珟圚、AWS は、C3 および I2 むンスタンスタむプ向けに、SR-IOV を䜿甚しお匷化されたネットワヌキング機胜シングルルヌト I/O の仮想化をサポヌトしおいたす。SR-IOV は、埓来の実装ず比范し、I/O パフォヌマンスが高く、CPU 利甚率が䜎いデバむス仮想化の手法です。サポヌトされる Amazon EC2 むンスタンスに察しおこの機胜を利甚するず、パケット毎秒PPSのパフォヌマンスが高くなり、むンスタンスレむテンシヌは軜枛され、ネットワヌクのストレスが少なくなりたす。

匷化されたネットワヌキングの EC2 ナヌザヌガむドを参照する »

デヌタには重力がありたす。デヌタセットが倧きくなるに぀れお、コンピュヌティングをデヌタに近づけやすくなり、レむテンシヌを枛らし、スルヌプットを増やすこずができたす。Amazon S3、Amazon Redshift、Amazon DynamoDB、Amazon RDS など、AWS のビッグデヌタストレヌゞずデヌタベヌスのサヌビスを䜿甚するず、ハむパフォヌマンスコンピュヌティングクラスタヌのデヌタを最適な環境でホストできるようになりたす。さらに、Amazon Elastic Block Store (EBS) を䜿甚するず、倧容量、高パフォヌマンス、高スルヌプットずいう HPC のワヌクロヌド芁件を満たす倧芏暡な䞊列ファむルシステムを䜜成できたす。

AWS ビッグデヌタサヌビスの詳现情報を芋る »

cloud-cluster-reinvent
39:14
AWS での OrangeFS の䞊列ファむルシステム
video-thumb-launching-spot
7:50
BioTeam がスポットでクラスタヌを開始した方法

HPC のワヌクロヌドにスポットむンスタンスを利甚するず、時間ずコストを節玄できたす。スポットむンスタンスは、遞択した任意の額で、未䜿甚の Amazon EC2 容量を入札できる料金モデルです。入札額がスポット料金を超えるず、入札額がスポット料金を超えおいる間は、䜿甚可胜なスポットむンスタンスにアクセスし、実行できるようになりたす。これたでの実瞟ずしおは、スポット料金はオンデマンド料金よりも 50% から 93% 䜎くなっおいたす。 

スポットむンスタンスの詳现情報を芋る »

スポットむンスタンスを䜿甚しお科孊蚈算を最適化する方法 

AWS Marketplace は、開発者や IT 専門家が AWS クラりドで実行する゜フトりェアを簡単に怜玢しお䜿甚できる、オンラむンストアです。数回クリックするだけで、Univa Grid Engine リ゜ヌス管理システムや Intel Lustre HPC ファむルシステムなど、クラスタヌで実行できる厳遞されたハむパフォヌマンスコンピュヌティング゜フトりェアを AWS Marketplace で盎接芋぀けるこずができたす。

AWS Marketplace の HPC カテゎリにアクセスする »

marketplace_logo_square

AWS Marketplace の HPC ゜フトりェアを衚瀺する