1. 首頁
  2. 雲端

亞馬遜雲科技推出三款由自研芯片支持的新Amazon EC2實例

LOL电竞竞猜平台网址12月1日訊(報道:喬志斌)今日,在亞馬遜雲科技re:Invent全球大會上,亞馬遜雲科技宣佈推出三款由自研芯片支持的新Amazon Elastic Compute Cloud (Amazon EC2)實例,幫助客戶顯著提升在Amazon EC2上運行的工作負載的性能、成本和能源效率。新C7g 實例由Amazon Graviton3 處理器支持,與由 Amazon Graviton2 處理器支持的當前一代 C6g 實例相比,性能提高25%。由Amazon Trainium芯片支持的新Trn1實例爲在Amazon EC2中訓練絕大多數機器學習模型提供最佳性價比,及最快的訓練速度。基於自研Amazon Nitro SSDs(固態驅動器)的新存儲優化型Im4gn/Is4gen/ I4i實例爲在Amazon EC2上運行的I/O密集型工作負載提供最佳存儲性能。這些基於亞馬遜雲科技自研芯片的新Amazon EC2實例的發佈,將幫助客戶支持其關鍵業務應用程序。

亞馬遜雲科技Amazon EC2副總裁David Brown表示:“我們對自研芯片的持續投入升級,已經讓客戶在當今一些關鍵工作負載中獲得了巨大的性價比優勢。客戶希望我們在每一代新的EC2實例上不斷突破邊界。亞馬遜雲科技的持續創新讓客戶有機會使用這些全新的、改變遊戲規則的實例運行其重要的工作負載,獲得更好的性價比。”

C7g實例由新的Amazon Graviton3處理器支持,與由Amazon Graviton2處理器支持的當前一代C6g實例相比,性能提高多達25%

基於Amazon Graviton2的計算實例自2020年推出以來,被衆多客戶如DirecTV、Discovery、Epic Games、Formula 1、Honeycomb.io、Intuit、Lyft、MercardoLibre、NextRoll、Nielsen、SmugMug、Snap、Splunk和Sprinklr等在生產中使用並已經獲得顯著的性能提升和成本節省。基於Graviton2的系列實例共有12種,包括通用型、計算優化型、內存優化型、存儲優化型、突發性能型和加速計算型實例,讓客戶擁有雲上至深至廣的計算選擇,併兼顧性價比和能效。隨着客戶在雲中開展更多計算密集型工作負載如高性能計算(HPC)、遊戲和機器學習推理,相應的計算、存儲、內存和網絡需求也隨之增長,客戶需要尋求更佳的性價比和能效來運行這些工作負載。

由Amazon Graviton3處理器支持的C7g實例與由 Graviton2 處理器支持的當前一代 C6g 實例相比,可將計算密集型工作負載性能提高多達25%。Amazon Graviton3處理器與Graviton2相比,爲科學計算、機器學習和媒體編碼工作負載提供高達2倍的浮點運算性能,爲加密工作負載速度提升高達2倍,爲機器學習工作負載提供高達3倍的性能。Amazon Graviton3處理器的能效也更高,在相同性能下,與同類型EC2實例對比,可節省高達60%的能源消耗。C7g實例是雲中第一個採用最新DDR5內存的實例,與基於Amazon Graviton2的實例相比,它提高了50%的內存帶寬,從而提高了科學計算等內存密集型應用的性能。與基於Amazon Graviton2的實例相比,C7g實例的網絡帶寬也高出20%。C7g 實例支持Elastic Fabric Adapter (EFA),允許應用程序直接與網絡接口卡通信,提供更低且更一致的延遲,提高需要大規模並行處理(如 HPC 和視頻編碼)的應用程序的性能。C7g實例現已提供預覽版。

Amazon Trainium芯片支持的Trn1實例爲在Amazon EC2中訓練絕大多數機器學習模型提供最佳性價比,及最快的訓練速度

越來越多客戶正在構建、訓練和部署機器學習模型,支持能夠重塑其業務和客戶體驗的應用程序。爲了確保提高準確性,這些機器學習模型必須構建在越來越多的訓練數據上,導致其訓練成本越來越高。這可能會限制客戶能夠部署的機器學習模型數量。亞馬遜雲科技爲機器學習提供至深至廣的計算服務選擇,包括採用NVIDIA A100 Tensor Core GPU的EC2 P4d實例和採用Habana Labs  Gaudi 加速器的 EC2 DL1 實例。但是,即使擁有當今最快的加速實例,訓練持續變大的機器學習模型仍然是非常昂貴和耗時的。

由Amazon Trainium芯片支持的Trn1實例爲在Amazon EC2中進行深度學習模型訓練提供最佳性價比以及最快的訓練速度,與P4d實例相比,通過Trn1實例訓練深度學習模型的成本降低多達40%。Trn1實例提供800Gbps EFA網絡帶寬(比最新基於GPU的EC2實例高兩倍),並與Amazon FSx for Lustre高性能存儲集成,讓客戶可以啓動具有EC2 UltraClusters功能的Trn1實例。通過EC2 UltraClusters,開發人員可以將機器學習訓練擴展到一萬多個與 PB 級網絡互連的 Trainium 加速器,讓客戶按需訪問超算級性能,即便是最大型和最複雜的模型,訓練時間也可以從幾個月縮短到幾天。Trn1實例現已提供預覽版。

採用全新Amazon Nitro SSDsIm4gn/Is4gen/ I4i實例可爲I/O密集型工作負載提供最佳存儲性能

如今,客戶將I3/I3en存儲優化型實例用於需要直接訪問本地存儲數據集的應用程序,比如橫向擴展的事務型和關係型數據庫(如MySOL和PostgreSQL),NoSQL數據庫(如Cassandra、MongoDB、Redis等),大數據(如Hadoop)和數據分析工作負載(如Spark、Hive、Presto等)。I3/I3en實例以低成本提供非易失性內存標準(NVMe) SSD支持的實例存儲,針對低延遲、高 I/O 性能和吞吐量進行了優化。客戶喜歡I3/I3en實例提供的快速事務處理能力,但隨着其工作負載的不斷升級——在更大規模的數據集上處理更復雜的事務,他們需要在不增加成本的情況下獲得更高的計算性能和更快的數據訪問速度。

Im4gn/Is4gen/I4i實例旨在通過架構最大限度提高I/O密集型工作負載的存儲性能。通過自研的 Amazon Nitro SSDs ,Im4gn/Is4gen/I4i實例提供高達 30 TB 的 NVMe 存儲,與上一代I3實例相比,I/O 延遲降低了 60%,延遲可變性降低了 75%,從而最大限度地提高了應用程序性能。Amazon Nitro SSDs通過優化存儲堆棧、虛擬化管理程序和硬件與Amazon Nitro 系統緊密集成。與使用商用SSD相比,亞馬遜雲科技同時管理Amazon Nitro SSDs的硬件和固件,使SSD更新交付速度更快,讓客戶可以從改進的功能中獲益。Im4gn 實例(現已可用)採用 Amazon Graviton2 處理器,與 I3 實例相比,性價比提高多達 40%,每 TB存儲成本降低多達 44%。Is4gen 實例(現已可用)也採用 Amazon Graviton2 處理器,與 I3en 實例相比,每 TB 存儲成本降低多達 15%,計算性能提高多達 48%。