Edit

Rekayasa dengan bantuan komputer

Azure Application Gateway
Azure Blob Storage
Azure Kubernetes Service (AKS)
Azure Virtual Machines

Perhatian

Artikel ini mereferensikan CentOS, distribusi Linux yang mendekati status End Of Life (EOL). Harap pertimbangkan penggunaan dan rencanakan yang sesuai. Untuk informasi selengkapnya, lihat panduan Akhir Masa Pakai CentOS.

Skenario contoh ini menunjukkan pengiriman platform perangkat lunak sebagai layanan (SaaS) yang dibangun di atas kemampuan komputasi performa tinggi (HPC) Azure. Skenario ini didasarkan pada solusi perangkat lunak rekayasa. Namun, arsitekturnya relevan dengan industri lain yang membutuhkan sumber daya HPC seperti merender gambar, pemodelan kompleks, dan perhitungan risiko keuangan.

Sistem

Arsitektur untuk solusi SaaS yang memungkinkan kemampuan HPC.

Unduh file Visio arsitektur ini.

Alur kerja

  • Pengguna dapat mengakses mesin virtual (VM) seri NV melalui browser dengan koneksi RDP berbasis HTML5 menggunakan layanan Apache Guacamole. Instans VM ini menyediakan GPU yang andal untuk merender dan tugas kolaboratif. Pengguna dapat mengedit desain mereka dan melihat hasilnya tanpa memerlukan akses ke perangkat komputasi seluler atau laptop kelas atas. Penjadwal memutar VM tambahan berdasarkan heuristis yang ditentukan pengguna.
  • Dari sesi CAD desktop, pengguna dapat mengirimkan beban kerja untuk dieksekusi pada node kluster HPC yang tersedia. Beban kerja ini melakukan tugas-tugas seperti analisis tegangan atau perhitungan dinamika fluida komputasi, menghilangkan kebutuhan akan kluster komputasi lokal khusus. Node kluster ini dapat dikonfigurasi untuk penskalaan otomatis berdasarkan beban atau kedalaman antrean berdasarkan permintaan pengguna aktif untuk sumber daya komputasi.
  • Azure Kubernetes Service (AKS) digunakan untuk menghosting sumber daya web yang tersedia untuk pengguna akhir.

Komponen

  • Mesin virtual seri-H digunakan untuk menjalankan simulasi komputasi intensif seperti pemodelan molekul dan dinamika fluida komputasi. Solusi ini juga memanfaatkan teknologi seperti konektivitas akses memori langsung (RDMA) dan jaringan InfiniBand.
  • Mesin virtual seri NV memberi insinyur fungsionalitas stasiun kerja kelas atas dari browser web standar. Mesin virtual ini memiliki GPU NVIDIA Tesla M60 yang mendukung render tingkat lanjut dan dapat menjalankan beban kerja presisi tunggal.
  • Mesin virtual tujuan umum yang menjalankan CentOS menangani beban kerja yang lebih tradisional seperti aplikasi web.
  • Gateway Aplikasi memuat penyeimbang permintaan yang masuk ke server web.
  • Azure Kubernetes Service (AKS) digunakan untuk menjalankan beban kerja yang dapat diskalakan dengan biaya lebih rendah untuk simulasi yang tidak memerlukan kemampuan mesin virtual HPC atau GPU kelas atas.
  • Altair PBS Works Suite mengatur alur kerja HPC, memastikan tersedianya instans mesin virtual yang cukup untuk menangani beban saat ini. Hal ini juga membatalkan alokasi mesin virtual ketika permintaan lebih rendah untuk mengurangi biaya.
  • Penyimpanan blob menyimpan file yang mendukung pekerjaan terjadwal.

Alternatif

  • Azure CycleCloud menyederhanakan pembuatan, pengelolaan, pengoperasian, dan pengoptimalan kluster HPC. Layanan ini menawarkan fitur kebijakan dan tata kelola tingkat lanjut. CycleCloud mendukung penjadwal pekerjaan atau tumpukan perangkat lunak apa pun.
  • HPC Pack dapat membuat dan mengelola kluster Azure HPC untuk beban kerja berbasis Windows Server. HPC Pack bukanlah pilihan untuk beban kerja berbasis Linux.
  • Konfigurasi Status Azure Automation menyediakan pendekatan infrastruktur-sebagai-kode untuk menentukan mesin virtual dan perangkat lunak yang akan digunakan. Mesin virtual dapat digunakan sebagai bagian dari set skala mesin virtual, dengan aturan penskalaan otomatis untuk node komputasi berdasarkan jumlah pekerjaan yang dikirimkan ke antrean pekerjaan. Ketika mesin virtual baru diperlukan, itu disediakan menggunakan gambar patch terbaru dari galeri gambar Azure, dan kemudian perangkat lunak yang diperlukan diinstal dan dikonfigurasi melalui skrip konfigurasi PowerShell DSC.
  • Azure Functions

Detail skenario

Contoh ini menunjukkan penyedia perangkat lunak rekayasa yang memberikan aplikasi teknik berbantuan komputer (CAE) ke perusahaan teknik dan perusahaan manufaktur. Solusi CAE memungkinkan inovasi, mengurangi waktu pengembangan, dan menurunkan biaya sepanjang masa pakai desain produk. Solusi ini membutuhkan sumber daya komputasi yang besar dan sering kali memproses volume data yang tinggi. Tingginya biaya alat HPC lokal atau workstation kelas atas sering kali membuat teknologi ini tidak terjangkau oleh perusahaan teknik kecil, pengusaha, dan mahasiswa.

Perusahaan ingin memperluas pasar untuk aplikasinya dengan membangun platform SaaS yang didukung oleh teknologi HPC berbasis cloud. Pelanggan mereka harus dapat membayar sumber daya komputasi sesuai kebutuhan dan mengakses daya komputasi besar yang tidak terjangkau jika tidak.

Tujuan perusahaan meliputi:

  • Memanfaatkan kemampuan HPC di Azure untuk mempercepat desain produk dan proses pengujian.
  • Menggunakan inovasi perangkat keras terbaru untuk menjalankan simulasi kompleks, sambil meminimalkan biaya untuk simulasi yang lebih sederhana.
  • Mengaktifkan visualisasi dan render yang nyata di browser web, tanpa memerlukan workstation teknik kelas atas.

Kemungkinan kasus penggunaan

Skenario ini berkaitan dengan industri media, keuangan, manufaktur, pendidikan, energi, dan lingkungan. Kasus penggunaan yang relevan lainnya meliputi:

  • Penelitian genomika
  • Simulasi cuaca
  • Aplikasi kimia komputasi

Pertimbangan

Pertimbangan ini mengimplementasikan pilar Azure Well-Architected Framework, yang merupakan serangkaian tenet panduan yang dapat digunakan untuk meningkatkan kualitas beban kerja. Untuk informasi selengkapnya, lihat Microsoft Azure Well-Architected Framework.

  • Meskipun menggunakan pendekatan infrastruktur sebagai kode adalah cara yang bagus untuk mengelola definisi pembuatan mesin virtual, perlu waktu lama untuk menyediakan mesin virtual baru menggunakan skrip. Solusi ini menemukan jalan tengah yang baik dengan menggunakan skrip DSC untuk membuat gambar emas secara berkala, yang kemudian dapat digunakan untuk menyediakan mesin virtual baru lebih cepat daripada membangun VM sesuai permintaan menggunakan DSC sepenuhnya. Layanan Azure DevOps atau alat CI/CD lainnya dapat secara berkala menyegarkan gambar emas menggunakan skrip DSC.
  • Menyeimbangkan biaya solusi keseluruhan dengan ketersediaan sumber daya komputasi yang cepat adalah pertimbangan utama. Menyediakan kumpulan instans mesin virtual seri N dan menempatkannya dalam status tidak dialokasikan akan menurunkan biaya pengoperasian. Ketika mesin virtual tambahan diperlukan, pengalokasian ulang instans yang ada akan melibatkan pengaktifan mesin virtual pada host yang berbeda, tetapi waktu deteksi bus PCI yang diperlukan oleh OS untuk mengidentifikasi dan menginstal driver untuk GPU dihilangkan karena mesin virtual yang dicabut dan kemudian disediakan kembali akan tetap mempertahankan bus PCI yang sama untuk GPU saat dimulai ulang.
  • Arsitektur asli sepenuhnya bergantung pada mesin virtual Azure untuk menjalankan simulasi. Untuk mengurangi biaya beban kerja yang tidak memerlukan semua kemampuan mesin virtual, beban kerja ini disimpan dalam kontainer dan disebarkan ke Azure Kubernetes Service (AKS).
  • Tenaga kerja perusahaan memiliki keterampilan yang ada dalam teknologi sumber terbuka. Mereka dapat memanfaatkan keterampilan ini dengan mengembangkan teknologi seperti Linux dan Kubernetes.

Pengoptimalan biaya

Optimalisasi biaya adalah tentang mencari cara untuk mengurangi pengeluaran yang tidak perlu dan meningkatkan efisiensi operasional. Untuk informasi selengkapnya, lihat Gambaran umum pilar pengoptimalan biaya.

Untuk membantu Anda menjelajahi biaya menjalankan skenario ini, banyak layanan yang diperlukan telah dikonfigurasi sebelumnya dalam contoh kalkulator biaya. Biaya solusi Anda bergantung pada jumlah dan skala layanan yang diperlukan untuk memenuhi persyaratan Anda.

Pertimbangan berikut akan mendorong sebagian besar biaya untuk solusi ini:

  • Biaya mesin virtual Azure meningkat secara linier saat instans tambahan disediakan. Mesin virtual yang tidak dialokasikan hanya akan dikenakan biaya penyimpanan, dan bukan biaya komputasi. Mesin yang tidak dialokasikan ini kemudian dapat dialokasikan kembali saat permintaan tinggi.
  • Biaya Azure Kubernetes Service didasarkan pada jenis VM yang dipilih untuk mendukung beban kerja. Biaya akan meningkat secara linier berdasarkan jumlah VM di kluster.

Langkah berikutnya