Arsitektur ini menunjukkan menjalankan simulasi dinamika fluida komputasi menggunakan Azure. Pelajari cara membuat, mengelola, dan mengoptimalkan kluster menggunakan Azure CycleCloud.
Arsitektur
Unduh file Visio arsitektur ini.
Alur kerja
Diagram ini menunjukkan ringkasan tingkat tinggi dari desain hibrid tipikal yang menyediakan pemantauan pekerjaan dari node sesuai permintaan di Azure:
- Sambungkan ke server Azure CycleCloud untuk mengonfigurasi kluster.
- Konfigurasikan dan buat node kepala kluster, menggunakan mesin berkemampuan RDMA untuk MPI.
- Tambahkan dan konfigurasikan node kepala lokal.
- Jika sumber daya tidak mencukup, Azure CycleCloud menskalakan sumber daya komputasi Azure ke atas (atau ke bawah). Batas yang telah ditentukan dapat ditentukan untuk mencegah alokasi yang berlebihan.
- Tugas dialokasikan untuk simpul eksekusi.
- Data di-cache di Azure dari server NFS lokal.
- Data dibaca dari cache Avere vFXT for Azure .
- Informasi pekerjaan dan tugas disampaikan ke server Azure CycleCloud.
Komponen
- Azure CycleCloud alat untuk membuat, mengelola, mengoperasikan, dan mengoptimalkan kluster HPC dan Big Compute di Azure.
- Avere vFXT di Azure digunakan untuk menyediakan sistem file kluster skala perusahaan yang dibuat untuk cloud.
- Azure Virtual Machines (VM) digunakan untuk membuat sekumpulan instans komputasi statis.
- Kumpulan skala mesin virtual menyediakan sekelompok VM identik yang dapat ditingkatkan atau diturunkan skalanya oleh Azure CycleCloud.
- Akun Azure Storage digunakan untuk sinkronisasi dan retensi data.
- Azure Virtual Network memungkinkan banyak jenis sumber daya Azure, seperti VM, untuk berkomunikasi satu sama lain dengan aman, internet, dan jaringan lokal.
Alternatif
Pelanggan juga dapat menggunakan Azure CycleCloud untuk membuat kisi seluruhnya di Azure. Dalam penyiapan ini, server Azure CycleCloud dijalankan dalam langganan Azure Anda.
Untuk pendekatan aplikasi modern di mana manajemen penjadwal beban kerja tidak diperlukan, Azure Batch dapat membantu. Azure Batch dapat menjalankan aplikasi paralel dan komputasi performa tinggi (HPC) skala besar secara efisien di cloud. Azure Batch memungkinkan Anda menentukan sumber daya komputasi Azure untuk menjalankan aplikasi Anda secara paralel atau dalam skala besar tanpa mengonfigurasi atau mengelola infrastruktur secara manual. Azure Batch menjadwalkan tugas komputasi intensif dan secara dinamis menambahkan dan menghapus sumber daya komputasi berdasarkan kebutuhan Anda.
Detail skenario
Simulasi Computational Fluid Dynamics (CFD) memerlukan waktu komputasi yang signifikan bersama dengan perangkat keras khusus. Ketika penggunaan klaster meningkat, waktu simulasi dan penggunaan kisi secara keseluruhan tumbuh, yang menyebabkan masalah dengan kapasitas cadangan dan waktu antrean yang lama. Menambahkan perangkat keras fisik bisa mahal, dan mungkin tidak selaras dengan puncak penggunaan dan lembah yang dilalui bisnis. Dengan memanfaatkan Azure, banyak dari tantangan ini dapat diatasi tanpa pengeluaran modal.
Azure menyediakan perangkat keras yang Anda perlukan untuk menjalankan pekerjaan CFD di mesin virtual GPU dan CPU. Ukuran VM yang diaktifkan RDMA (Remote Direct Memory Access) memiliki jaringan berbasis FDR InfiniBand, yang memungkinkan komunikasi MPI (Message Passing Interface) latensi rendah. Saat Anda menggabungkan solusi ini dengan Avere vFXT, yang menyediakan sistem file berkluster skala perusahaan, pelanggan dapat memastikan throughput maksimum untuk operasi baca di Azure.
Untuk menyederhanakan pembuatan, pengelolaan, dan pengoptimalan kluster HPC, Azure CycleCloud dapat digunakan untuk menyediakan kluster dan mengatur data dalam skenario hibrid dan cloud. Saat Anda memantau pekerjaan yang tertunda, CycleCloud akan secara otomatis meluncurkan komputasi sesuai permintaan, di mana Anda hanya membayar apa yang Anda gunakan, terhubung ke penjadwal beban kerja pilihan Anda.
Kemungkinan kasus penggunaan
Industri lain yang relevan untuk aplikasi CFD meliputi:
- Aeronautika dan dirgantara/pesawat
- Otomotif
- Membangun HVAC (fasilitas)
- Minyak dan gas (energi)
- Ilmu hayat dan perawatan kesehatan
Pertimbangan
Pertimbangan ini mengimplementasikan pilar Azure Well-Architected Framework, yang merupakan serangkaian prinsip panduan yang dapat digunakan untuk meningkatkan kualitas beban kerja. Untuk informasi selengkapnya, lihat Microsoft Azure Well-Architected Framework.
Skalabilitas dan keamanan
Penskalaan node eksekusi di Azure CycleCloud dapat dilakukan secara manual atau menggunakan penskalaan otomatis. Untuk informasi selengkapnya, lihat Penskalaan Otomatis CycleCloud.
Untuk panduan umum tentang merancang solusi aman, lihat dokumentasi keamanan Azure.
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.
Biaya menjalankan implementasi HPC menggunakan server CycleCloud akan bervariasi tergantung pada sejumlah faktor. Misalnya, CycleCloud dibebankan dengan jumlah waktu komputasi yang digunakan, dengan server Primer dan CycleCloud biasanya dialokasikan dan dijalankan secara konstan. Biaya menjalankan node Execute akan bergantung pada berapa lama node tersebut aktif dan berjalan serta ukuran apa yang digunakan. Biaya Azure normal untuk penyimpanan dan jaringan juga berlaku.
Skenario ini menunjukkan bagaimana aplikasi CFD dapat dijalankan di Azure, sehingga mesin akan memerlukan fungsionalitas RDMA, yang hanya tersedia pada ukuran VM tertentu. Berikut ini adalah contoh biaya yang dapat dikeluarkan untuk satu set skala yang dialokasikan secara terus menerus selama delapan jam per hari selama satu bulan, dengan egress data sebesar 1 TB. Ini juga termasuk harga untuk server Azure CycleCloud dan penginstalan Avere vFXT untuk Azure:
- Wilayah: Eropa Utara
- Server Azure CycleCloud: 1 x D3 Standar (4 x CPU, Memori 14 GB, HDD Standar 32 GB)
- Server Utama Azure CycleCloud: 1 x Standar D12 v (4 x CPU, Memori 28 GB, HDD Standar 32 GB)
- Array Node Azure CycleCloud: 10 x H16r Standar (16 x CPU, Memori 112 GB)
- Avere vFXT di Azure Cluster: 3 x D16s v3 (OS 200 GB, Disk data SSD 1 TB premium)
- Egress Data: 1 TB
Tinjau perkiraan harga ini untuk perangkat keras yang tercantum di atas.
Menyebarkan skenario ini
Prasyarat
Ikuti langkah-langkah ini sebelum menyebarkan template Resource Manager:
Buat perwakilan layanan untuk mengambil appId, displayName, nama, kata sandi, dan penyewa.
Buat pasangan kunci SSH untuk masuk dengan aman ke server CycleCloud.
Klik link di bawah untuk menyebarkan solusi.
Masuk ke server CycleCloud untuk mengonfigurasi dan membuat kluster baru.
Avere Cache adalah solusi opsional yang dapat secara drastis meningkatkan throughput baca untuk data pekerjaan aplikasi. Avere vFXT untuk Azure memecahkan masalah menjalankan aplikasi HPC perusahaan ini di cloud sambil memanfaatkan data yang disimpan secara lokal atau di penyimpanan Azure Blob.
Untuk organisasi yang merencanakan infrastruktur hibrid dengan penyimpanan lokal dan komputasi cloud, aplikasi HPC dapat "melonjak" ke Azure menggunakan data yang disimpan di perangkat NAS dan menjalankan CPU virtual sesuai kebutuhan. Himpunan data tidak pernah dipindahkan sepenuhnya ke cloud. Byte yang diminta di-cache sementara menggunakan kluster Avere selama pemrosesan.
Untuk menyiapkan dan mengonfigurasi penginstalan Avere vFXT, ikuti Panduan Penyiapan dan Konfigurasi Avere.
Kontributor
Artikel ini dikelola oleh Microsoft. Ini awalnya ditulis oleh kontributor berikut.
Penulis utama:
- Mike Warrington | FastTrack untuk Azure Engineer
Langkah berikutnya
Dokumentasi produk:
- Apa yang dimaksud dengan Azure CycleCloud?
- Azure Virtual Machines (VM)
- Pengantar Microsoft Azure Storage
- Apa itu Azure Virtual Network?
Lihat artikel komputer virtual berikut ini: