Datorstödd teknik

Det här exempelscenariot visar leverans av en SaaS-plattform (software-as-a-service) som bygger på HPC-funktionerna (databehandling med höga prestanda) i Azure. Det här scenariot baseras på en teknisk programvarulösning. Arkitekturen är dock relevant för andra branscher som kräver HPC-resurser, till exempel bildrendering, komplex modellering och beräkning av finansiella risker.

Arkitektur

Ladda ned en Visio-fil med den här arkitekturen.

Arbetsflöde

• Användare kan komma åt virtuella datorer i NV-serien (VM) via en webbläsare med en HTML5-baserad RDP-anslutning med hjälp av Apache Guacamole-tjänsten. Dessa VM-instanser ger kraftfulla GPU:er för återgivning och samarbetsaktiviteter. Användare kan redigera sin design och visa sina resultat utan att behöva åtkomst till avancerade mobila databehandlingsenheter eller bärbara datorer. Schemaläggaren snurrar upp ytterligare virtuella datorer baserat på användardefinierad heuristik.
• Från en CAD-skrivbordssession kan användare skicka arbetsbelastningar för körning på tillgängliga HPC-klusternoder. Dessa arbetsbelastningar utför uppgifter som stressanalys eller beräkningsvätskedynamikberäkningar, vilket eliminerar behovet av dedikerade lokala beräkningskluster. Dessa klusternoder kan konfigureras för automatisk skalning baserat på belastnings- eller ködjup baserat på aktiva användarbehov för beräkningsresurser.
• Azure Kubernetes Service (AKS) används som värd för de webbresurser som är tillgängliga för slutanvändare.

Komponenter

• Virtuella datorer i H-serien används för att köra beräkningsintensiva simuleringar som molekylär modellering och beräkningsvätskedynamik. Lösningen drar också nytta av tekniker som fjärråtkomst till direkt minnesåtkomst (RDMA) och InfiniBand-nätverk.
• Virtuella datorer i NV-serien ger tekniker avancerade arbetsstationsfunktioner från en standardwebbläsare. Dessa virtuella datorer har NVIDIA Tesla M60 GPU:er som stöder avancerad rendering och kan köra arbetsbelastningar med enkel precision.
• Allmänna virtuella datorer som kör CentOS hanterar mer traditionella arbetsbelastningar, till exempel webbprogram.
• Application Gateway-belastningen balanserar de begäranden som kommer till webbservrarna.
• Azure Kubernetes Service (AKS) används för att köra skalbara arbetsbelastningar till en lägre kostnad för simuleringar som inte kräver avancerade funktioner för virtuella HPC- eller GPU-datorer.
• Altair PBS Works Suite samordnar HPC-arbetsflödet, vilket säkerställer att tillräckligt många virtuella datorinstanser är tillgängliga för att hantera den aktuella belastningen. Den frigör även virtuella datorer när efterfrågan är lägre för att minska kostnaderna.
• Blob Storage lagrar filer som stöder schemalagda jobb.

Alternativ

• Azure CycleCloud förenklar skapande, hantering, drift och optimering av HPC-kluster. Den erbjuder avancerade funktioner för principer och styrning. CycleCloud stöder alla jobbschemaläggare eller programvarustackar.
• HPC Pack kan skapa och hantera ett Azure HPC-kluster för Windows Server-baserade arbetsbelastningar. HPC Pack är inte ett alternativ för Linux-baserade arbetsbelastningar.
• Azure Automation State Configuration tillhandahåller en infrastruktur-som-kod-metod för att definiera de virtuella datorer och programvara som ska distribueras. Virtuella datorer kan distribueras som en del av en VM-skalningsuppsättning, med regler för automatisk skalning för beräkningsnoder baserat på antalet jobb som skickas till jobbkön. När en ny virtuell dator behövs etableras den med den senaste korrigerade avbildningen från Azure-avbildningsgalleriet och sedan installeras och konfigureras den nödvändiga programvaran via ett PowerShell DSC-konfigurationsskript.
• Azure Functions

Information om scenario

Det här exemplet visar en programvaruleverantör som levererar cae-program (computer-aided engineering) till ingenjörsföretag och tillverkningsföretag. CAE-lösningar möjliggör innovation, minskar utvecklingstiderna och sänker kostnaderna under hela livslängden för en produkts design. Dessa lösningar kräver betydande beräkningsresurser och bearbetar ofta stora datavolymer. De höga kostnaderna för en lokal HPC-apparat eller avancerade arbetsstationer gör ofta dessa tekniker utom räckhåll för små ingenjörsföretag, entreprenörer och studenter.

Företaget vill expandera marknaden för sina program genom att skapa en SaaS-plattform som backas upp av molnbaserad HPC-teknik. Deras kunder bör kunna betala för beräkningsresurser efter behov och få tillgång till massiv databehandlingskraft som annars skulle vara oöverkomlig.

Företagets mål är:

• Dra nytta av HPC-funktionerna i Azure för att påskynda produktdesignen och testningsprocessen.
• Använda de senaste maskinvaruinnovationerna för att köra komplexa simuleringar, samtidigt som kostnaderna för enklare simuleringar minimeras.
• Aktivera sann-till-liv-visualisering och återgivning i en webbläsare, utan att kräva en avancerad teknisk arbetsstation.

Potentiella användningsfall

Det här scenariot gäller medie-, finans-, tillverknings-, utbildnings-, energi- och miljöindustrin. Andra relevanta användningsfall är:

• Genomics research
• Vädersimulering
• Program för beräkningskemi

Att tänka på

Dessa överväganden implementerar grundpelarna i Azure Well-Architected Framework, som är en uppsättning vägledande grundsatser som kan användas för att förbättra kvaliteten på en arbetsbelastning. Mer information finns i Microsoft Azure Well-Architected Framework.

• Även om en metod för infrastruktur som kod är ett bra sätt att hantera virtuella datorversionsdefinitioner kan det ta lång tid att etablera en ny virtuell dator med hjälp av ett skript. Den här lösningen hittade en bra mittpunkt med hjälp av DSC-skriptet för att regelbundet skapa en gyllene avbildning, som sedan kan användas för att etablera en ny virtuell dator snabbare än att helt skapa en virtuell dator på begäran med hjälp av DSC. Azure DevOps Services eller andra CI/CD-verktyg kan regelbundet uppdatera gyllene bilder med hjälp av DSC-skript.
• Att balansera övergripande lösningskostnader med snabb tillgänglighet för beräkningsresurser är en viktig faktor. Att etablera en pool med virtuella datorinstanser i N-serien och placera dem i ett frigjort tillstånd sänker driftskostnaderna. När ytterligare en virtuell dator behövs innebär omlokalisering av en befintlig instans att den virtuella datorn startas på en annan värd, men den PCI-bussidentifieringstid som krävs av operativsystemet för att identifiera och installera drivrutiner för GPU:n elimineras eftersom en virtuell dator som avetableras och sedan ometableras behåller samma PCI-buss för GPU:n när den startas om.
• Den ursprungliga arkitekturen förlitade sig helt på virtuella Azure-datorer för att köra simuleringar. För att minska kostnaderna för arbetsbelastningar som inte krävde alla funktioner för en virtuell dator, containeriserades och distribuerades dessa arbetsbelastningar till Azure Kubernetes Service (AKS).
• Företagets personal hade befintliga färdigheter inom teknik med öppen källkod. De kan dra nytta av dessa kunskaper genom att bygga vidare på tekniker som Linux och Kubernetes.

Kostnadsoptimering

Kostnadsoptimering handlar om att titta på sätt att minska onödiga utgifter och förbättra drifteffektiviteten. Mer information finns i Översikt över kostnadsoptimeringspelare.

För att hjälpa dig att utforska kostnaden för att köra det här scenariot är många av de nödvändiga tjänsterna förkonfigurerade i ett exempel på kostnadskalkylatorn. Kostnaderna för din lösning beror på antalet och omfattningen av de tjänster som behövs för att uppfylla dina krav.

Följande överväganden kommer att driva en betydande del av kostnaderna för den här lösningen:

• Kostnaderna för virtuella Azure-datorer ökar linjärt när ytterligare instanser etableras. Virtuella datorer som frigörs medför endast lagringskostnader och inte beräkningskostnader. Dessa frigjorda datorer kan sedan omallokeras när efterfrågan är hög.
• Kostnaderna för Azure Kubernetes Services baseras på den typ av virtuell dator som valts för att stödja arbetsbelastningen. Kostnaderna ökar linjärt baserat på antalet virtuella datorer i klustret.

Nästa steg

• Läs Altair-kundberättelsen. Det här exempelscenariot baseras på en version av deras arkitektur.
• Granska andra Big Compute-lösningar som är tillgängliga i Azure.

Relaterade resurser

• Databehandling med höga prestanda (HPC) i Azure
• Digital bildbaserad modellering i Azure
• Köra programvara för simulering av reservoarer i Azure
• Köra CFD-simuleringar
• Hantera efterlevnad av virtuella datorer
• Vägledning för övervakning och diagnostik