Catatan
Akses ke halaman ini memerlukan otorisasi. Anda dapat mencoba masuk atau mengubah direktori.
Akses ke halaman ini memerlukan otorisasi. Anda dapat mencoba mengubah direktori.
Gunakan Azure Batch untuk menjalankan tugas batch komputasi paralel dan kinerja tinggi (HPC) skala besar secara efisien di Azure. Azure Batch membuat dan mengelola kumpulan simpul komputasi (komputer virtual), menginstal aplikasi yang ingin Anda jalankan, dan menjadwalkan pekerjaan untuk berjalan pada simpul. Tidak ada perangkat lunak kluster atau penjadwal pekerjaan untuk menginstal, mengelola, atau menskalakan. Sebagai gantinya, gunakanBatch API dan alat, skrip baris perintah, atau portal Microsoft Azure untuk mengkonfigurasi, mengelola, dan memantau pekerjaan Anda.
Pengembang dapat menggunakan Batch sebagai layanan platform untuk membangun aplikasi SaaS atau aplikasi klien di mana eksekusi skala besar diperlukan. Misalnya, Anda dapat membangun layanan dengan Batch untuk menjalankan simulasi risiko Monte Carlo untuk perusahaan jasa keuangan, atau layanan untuk memproses banyak gambar.
Tidak ada biaya tambahan untuk menggunakan Batch ini. Anda hanya membayar sumber daya yang mendasari yang dikonsumsi, seperti komputer virtual, penyimpanan, dan jaringan.
Untuk perbandingan antara Batch dan opsi solusi HPC lainnya di Azure, lihat Komputasi Kinerja Tinggi (HPC) di Azure.
Jalankan beban kerja paralel
Batch works well with intrinsically parallel (also known as "embarrassingly parallel") workloads. Beban kerja ini memiliki aplikasi yang dapat berjalan secara independen, dengan setiap instance menyelesaikan bagian dari pekerjaan tersebut. Ketika aplikasi dijalankan, akan mengakses beberapa data umum, tetapi tidak berkomunikasi dengan instans aplikasi lain. Oleh karena itu beban kerja paralel intrinsik dapat berjalan dalam skala besar, ditentukan oleh jumlah sumber daya komputasi yang tersedia untuk menjalankan aplikasi secara bersamaan.
Beberapa contoh beban kerja paralel intrinsik yang dapat Anda bawa ke Batch:
- Pemodelan risiko keuangan menggunakan simulasi Monte Carlo
- Penyajian gambar VFX dan 3D
- Analisis dan pemrosesan gambar
- Transkodifikasi media
- Analisis urutan genetik
- Pengenalan Karakter Optik (OCR)
- Penyerapan data, pemrosesan, dan operasi ETL
- Eksekusi uji perangkat lunak
Anda juga dapat menggunakan Batch untuk menjalankan beban kerja yang terhubung erat, di mana aplikasi yang Anda jalankan perlu berkomunikasi satu sama lain, daripada berjalan secara mandiri. Aplikasi yang digabungkan dengan ketat biasanya menggunakan API Message Passing Interface (MPI). You can run your tightly coupled workloads with Batch using Microsoft MPI or Intel MPI. Tingkatkan kinerja aplikasi denganHPC khususdan ukuran komputer virtual yang dioptimalkanuntuk GPU.
Beberapa contoh beban kerja yang digabungkan dengan ketat:
- Finite element analysis
- Dinamika Fluida
- Multi-node AI training
Banyak pekerjaan yang digabungkan erat dapat dijalankan secara paralel menggunakan Batch. Misalnya, lakukan beberapa simulasi cairan yang mengalir melalui pipa dengan lebar pipa yang bervariasi.
Additional Batch capabilities
Batch mendukung beban kerja penyajian berskala besar dengan alat penyajian termasuk Autodesk Maya, 3ds Max, Arnold, dan V-Ray.
Anda dapat menjalankan pekerjaan Batch sebagai bagian dari alur kerja Azure yang lebih besar untuk mengubah data, dikelola oleh alat seperti Azure Data Factory.
Cara kerjanya
A common scenario for Batch involves scaling out intrinsically parallel work, such as the rendering of images for 3D scenes, on a pool of compute nodes. Kolam ini dapat menjadi "render farm" Anda yang menyediakan puluhan, ratusan, atau bahkan ribuan inti untuk pekerjaan render Anda.
Diagram berikut menunjukkan langkah-langkah dalam alur kerja Batch umum, dengan aplikasi klien atau layanan yang dihosting menggunakan Batch untuk menjalankan beban kerja paralel.
| Langkah | Deskripsi |
|---|---|
| 1. Unggah input filedan aplikasi untuk memproses file tersebut ke akun Azure Storage Anda. | File masukan dapat berupa data apa pun yang diolah oleh aplikasi Anda, seperti data pemodelan keuangan, atau file video yang akan ditranskodekan. File aplikasi dapat mencakup skrip atau aplikasi yang memproses data, seperti transcoder media. |
| 2. Create a Batch pool of compute nodes in your Batch account, a job to run the workload on the pool, and tasks in the job. |
Simpul komputasi merupakan komputer virtual yang menjalankan tugas Anda. Tentukan properti untuk kumpulan Anda, seperti jumlah dan ukuran simpul, gambar komputer virtual Windows atau Linux, dan aplikasi untuk diinstal ketika simpul bergabung dengan kumpulan. Kelola biaya dan ukuran kumpulan dengan menggunakan mesin virtual Azure Spot atau dengan menskalakan secara otomatis jumlah node saat beban kerja berubah. Saat Anda menambahkan tugas ke pekerjaan, layanan Batch secara otomatis menjadwalkan tugas untuk eksekusi pada simpul komputasi di dalam kumpulan. Setiap tugas menggunakan aplikasi yang Anda unggah untuk memproses file input. |
| 3. Unduh input file dan aplikasi ke Batch | Before each task executes, it can download the input data that it will process to the assigned node. Jika aplikasi belum diinstal pada simpul kumpulan, aplikasi dapat diunduh di sini sebagai gantinya. Ketika unduhan dari Azure Storage selesai, tugas dijalankan pada simpul yang ditetapkan. |
| 4. Monitor task execution | Saat tugas berjalan, jalankan kueri Batch untuk memantau kemajuan pekerjaan dan tugas-tugasnya. Aplikasi atau layanan klien Anda berkomunikasi dengan layanan Batch melalui HTTPS. Karena Anda mungkin memantau ribuan tugas yang berjalan pada ribuan simpul komputasi, pastikan untuk mengkueri layanan Batch secara efisien. |
| 5. Upload task output | Setelah tugas selesai, mereka dapat mengunggah data hasilnya ke Azure Storage. Anda juga dapat mengambil file langsung dari sistem file pada simpul komputasi. |
| 6. Download output files | Ketika pemantauan Anda mendeteksi bahwa tugas dalam pekerjaan Anda telah selesai, aplikasi atau layanan klien Anda dapat mengunduh data {i>output |
Perlu diingat bahwa alur kerja yang dijelaskan di atas hanyalah salah satu cara untuk menggunakan Batch, dan ada banyak fitur dan opsi lainnya. Misalnya, Anda dapat menjalankan beberapa tugas secara paralel pada setiap simpul komputasi. Or you can use job preparation and completion tasks to prepare the nodes for your jobs, then clean up afterward.
LihatAlur kerja dan sumber daya layanan Batchuntuk gambaran umum fitur seperti kumpulan, simpul, pekerjaan, dan tugas. Lihat juga pembaruanLayanan Batch terbaru.
In-region data residency
Azure Batch tidak memindahkan atau menyimpan data pelanggan keluar dari wilayah tempat data tersebut digunakan.
Langkah berikutnya
Get started with Azure Batch with one of these quickstarts: