Ta przeglądarka nie jest już obsługiwana.
Przejdź na przeglądarkę Microsoft Edge, aby korzystać z najnowszych funkcji, aktualizacji zabezpieczeń i pomocy technicznej.
Obliczenia o wysokiej wydajności (HPC), nazywane również "dużymi obliczeniami", używają dużej liczby komputerów z procesorem CPU lub procesorem GPU do rozwiązywania złożonych zadań matematycznych.
Wiele branży używa obliczeń HPC do rozwiązywania niektórych ze swoich najtrudniejszych problemów. Obejmują one obciążenia, takie jak:
Jedną z podstawowych różnic między lokalnym systemem HPC i jednym w chmurze jest możliwość dynamicznego dodawania i usuwania zasobów w miarę ich potrzeb. Dynamiczne skalowanie usuwa „wąskie gardło” możliwości obliczeniowych i pozwala klientom skalować ich infrastrukturę odpowiednio do wymagań związanych z wykonywanymi zadaniami.
Poniższe artykuły zawierają więcej szczegółów dotyczących tej funkcji dynamicznego skalowania.
Gdy chcesz zaimplementować własne rozwiązanie HPC na platformie Azure, pamiętaj o sprawdzeniu następujących kwestii:
Istnieje wiele składników infrastruktury, które są niezbędne do utworzenia systemu HPC. Zasoby obliczeniowe, magazyn i sieć zapewniają podstawowe składniki, bez względu na to, jak można zarządzać obciążeniami HPC.
Istnieje wiele różnych sposobów projektowania i implementowania architektury HPC na platformie Azure. Aplikacje HPC mogą być skalowane do tysięcy rdzeni obliczeniowych, rozszerzać lokalne klastry lub być uruchamiane jako całkowicie natywne rozwiązanie w chmurze.
W poniższych scenariuszach opisano kilka typowych sposobów tworzenia rozwiązań HPC.
Udostępnij platformę w modelu oprogramowanie jako usługa (SaaS, software as a service) na potrzeby komputerowo wspomaganych prac inżynierskich (CAE, computer-aided engineering) na platformie Azure.
Wykonuj symulacje obliczeniowej mechaniki płynów na platformie Azure.
Uruchamianie natywnych obciążeń HPC na platformie Azure przy użyciu usługi Azure Batch
Platforma Azure oferuje szereg rozmiarów zoptymalizowanych pod kątem obciążeń intensywnie korzystających z procesora GPU procesora CPU & .
Maszyny wirtualne z serii N są wyposażone w procesory GPU NVIDIA zaprojektowane pod kątem aplikacji wymagających dużych obciążeń obliczeniowych lub graficznych, takich jak uczenie sztucznej inteligencji (AI) i wizualizacja.
Duże obciążenia usług Batch i HPC mają wymagania dotyczące magazynu danych i dostępu, które przekraczają możliwości tradycyjnych systemów plików w chmurze. Istnieje wiele rozwiązań, które zarządzają zarówno szybkością, jak i potrzebami pojemności aplikacji HPC na platformie Azure:
Aby uzyskać więcej informacji na temat porównywania rozwiązań Lustre, GlusterFS i BeeGFS na platformie Azure, zapoznaj się z książką elektroniczną Parallel Files Systems na platformie Azure i blogiem Lustre na platformie Azure .
Maszyny wirtualne H16r, H16mr, A8 i A9 mogą łączyć się z siecią zaplecza RDMA o wysokiej przepływności. Ta sieć może poprawić wydajność ściśle sprzężonych aplikacji równoległych działających w ramach interfejsu Microsoft MPI lub Intel MPI.
Tworzenie systemu HPC od podstaw na platformie Azure zapewnia znaczną elastyczność, ale często jest bardzo intensywne konserwację.
Jeśli masz istniejący lokalny system HPC, który chcesz nawiązać połączenie z platformą Azure, istnieje kilka zasobów ułatwiających rozpoczęcie pracy.
Najpierw przejrzyj artykuł Opcje łączenia sieci lokalnej z platformą Azure w dokumentacji. W tym miejscu możesz znaleźć dodatkowe informacje na temat następujących opcji łączności:
Ta architektura referencyjna pokazuje, jak rozszerzyć sieć lokalną na platformę Azure za pomocą prywatnej sieci wirtualnej (VPN) typu lokacja-lokacja.
Połączenia usługi ExpressRoute używają prywatnego, dedykowanego połączenia za pośrednictwem zewnętrznego dostawcy łączności. Połączenie prywatne rozszerza sieć lokalną na platformie Azure.
Zaimplementuj wysoce dostępną i bezpieczną architekturę sieci typu lokacja-lokacja, która obejmuje sieć wirtualną platformy Azure i sieć lokalną połączone przy użyciu usługi ExpressRoute z trybem failover bramy sieci VPN.
Po bezpiecznym nawiązaniu łączności sieciowej można zacząć korzystać z zasobów obliczeniowych chmury na żądanie przy użyciu możliwości obsługi dużego ruchu istniejącego menedżera obciążeń.
W Azure Marketplace dostępnych jest wiele menedżerów obciążeń.
Azure Batch to usługa platformy do wydajnego uruchamiania aplikacji równoległych i obliczeń o wysokiej wydajności (HPC) na dużą skalę w chmurze. Usługa Azure Batch umożliwia planowanie pracy wymagającej intensywnych obliczeń do wykonania w zarządzanej puli maszyn wirtualnych oraz automatyczne skalowanie zasobów obliczeniowych w celu spełnienia wymagań związanych z zadaniami.
Deweloperzy lub dostawcy oprogramowania jako usługi mogą używać narzędzi i zestawów SDK usługi Batch do integrowania aplikacji HPC lub obciążeń kontenerów z platformą Azure, przemieszczania danych na platformę Azure i tworzenia potoków wykonywania zadań.
Azure CycleCloud udostępnia najprostsze rozwiązanie do zarządzania obciążeniami HPC przy użyciu dowolnego harmonogramu (takiego jak Slurm, Grid Engine, HPC Pack, HTCondor, LSF, PBS Pro lub Symphony) na platformie Azure
Narzędzie CycleCloud umożliwia:
Poniżej przedstawiono przykłady menedżerów obciążeń i klastra, którzy mogą być uruchamiani w infrastrukturze platformy Azure. Utwórz klastry autonomiczne na maszynach wirtualnych platformy Azure lub przenieś duży ruch z klastra lokalnego na maszyny wirtualne platformy Azure.
Do zarządzania niektórymi obciążeniami HPC można także używać kontenerów. Usługi, takie jak Azure Kubernetes Service (AKS), ułatwiają wdrażanie zarządzanego klastra Kubernetes na platformie Azure.
Zarządzanie kosztami obliczeń HPC na platformie Azure może odbywać się na kilka różnych sposobów. Przejrzyj opcje zakupu platformy Azure, aby znaleźć metodę, która sprawdza się najlepiej w Twojej organizacji.
Aby poznać omówienie najlepszych rozwiązań dotyczących zabezpieczeń na platformie Azure, przejrzyj dokumentację zabezpieczeń platformy Azure.
Oprócz konfiguracji sieci dostępnych w sekcji Skalowanie w chmurze można zaimplementować konfigurację piasty/szprych w celu odizolowania zasobów obliczeniowych:
Piasta to sieć wirtualna (VNet) na platformie Azure, która działa jako punkt centralny łączności z Twoją siecią lokalną. Szprychy są sieciami wirtualnymi równorzędnymi z piastą i mogą być używane do izolowania obciążeń.
Ta architektura referencyjna jest oparta na architekturze referencyjnej piasty i szprych, uwzględniając usługi udostępnione w piaście, aby mogły być one używane przez wszystkie szprychy.
Uruchom niestandardowe lub komercyjne aplikacje HPC na platformie Azure. Kilka przykładów w tej sekcji jest badanych w testach porównawczych pod kątem wydajnego skalowania przy użyciu dodatkowych maszyn wirtualnych lub rdzeni obliczeniowych. Odwiedź portal Azure Marketplace, aby uzyskać rozwiązania gotowe do wdrożenia.
Uwaga
Skontaktuj się z dostawcą aplikacji komercyjnej w celu uzyskania informacji na temat licencjonowania lub innych ograniczeń związanych z uruchamianiem w chmurze. Nie wszyscy dostawcy oferują licencjonowanie oparte na płatności zgodnie z rzeczywistym użyciem. Dla danego rozwiązania może być konieczne posiadanie serwera licencyjnego w chmurze lub połączenie z lokalnym serwerem licencji.
Uruchom maszyny wirtualne oparte na procesorze GPU na platformie Azure w tym samym regionie co dane wyjściowe HPC w celu uzyskania najmniejszego opóźnienia, dostępu i zdalnego wizualizowania za pośrednictwem usługi Azure Virtual Desktop, Citrix lub VMware Horizon.
Tworzenie środowiska VDI dla komputerów stacjonarnych z systemem Linux przy użyciu platformy Citrix na platformie Azure.
Tworzenie środowiska VDI dla komputerów stacjonarnych z systemem Windows przy użyciu usługi Azure Virtual Desktop na platformie Azure.
Istnieje wiele klientów, którzy odnotowali wielki sukces przy użyciu platformy Azure na potrzeby obciążeń HPC. Kilka z analiz przypadków tych klientów zamieszczono poniżej:
Najnowsze ogłoszenia można znaleźć w następujących zasobach:
Te samouczki zawierają szczegółowe informacje na temat uruchamiania aplikacji w usłudze Microsoft Batch: