Hyperdataklynge

Tencent Cloud High Performance Computing Cluster (HCC) er en Cloud HPC-klynge med høyytelses-skyservere som kjernenoder. Ved å bruke en unik HPC-klyngearkitektur oppnår den beregning uten virtualiseringsoverhead og full bevaring av serveregenskaper, samtidig som den kombinerer den praktiske driften til en administrert HPC-klynge med den formidable datakraften til en GPU HPC-klynge. Den gir støtte for parallell databehandling med høy båndbredde og lav latens for scenarier som storskala AI-trening, materialsimulering og industriell simulering CAE.

Som et referanseprodukt blant Cloud HPC-klynger implementerer High Performance Computing Cluster nodeforbindelse via et RoCEv2 RDMA-nettverk, og oppnår en overføringslatens på så lav som 2us. Sammen med høyytelseslagringsløsninger (som støtter elastisk skalering av COS/CFS og lokale NVMe SSD-harddisker), tilpasser den seg perfekt til tunge I/O- og høy-samtidighetsdatabehandlingskrav. Funksjonene til en administrert HPC-klynge frigjør brukere fra bekymringer om underliggende ressursoperasjoner, slik at de kan fokusere på kjernevirksomhetens innovasjon. Den heterogene maskinvareakselerasjonskapasiteten til GPU HPC-klyngen forbedrer kostnadseffektiviteten til High Performance Computing Cluster ytterligere, noe som gjør at den utmerker seg i dataintensive scenarier som AI-opplæring. Enten man bygger en Cloud HPC Cluster for å håndtere industrielle simuleringsoppgaver eller distribuerer en GPU HPC Cluster for å fremme storskala AI-modellopplæring, kan High Performance Computing Cluster utnytte sin optimaliserte HPC Cluster-arkitektur og de effektive fordelene med en administrert HPC Cluster, og fungerer som kjerneinfrastruktur for høyytelsesdatabehandling på bedriftsnivå.

Ofte stilte spørsmål

Spørsmål: Hvordan tilpasser høyytelsesdatabehandlingsklyngen seg, som kjerneformen for skybaserte HPC-klynger, til komplekse behov for høyytelsesdatabehandling gjennom egenskapene til GPU HPC-klynger og administrerte HPC-klynger?

A: Høyytelsesdatabehandlingsklyngen er basert på en avansert HPC-klyngearkitektur, som oppnår dyp integrasjon mellom den fleksible elastisiteten til Cloud HPC-klynger og fordelene med datakraft fra GPU HPC-klynger. GPU HPC-klyngen støtter den nyeste generasjonen GPU-instanser og heterogen maskinvareakselerasjon, noe som forbedrer beregningseffektiviteten betydelig i scenarier som storskala AI-trening og materialsimulering. Egenskapene til den administrerte HPC-klyngen håndterer oppgaver som ressursplanlegging og driftsstyring fullt ut, noe som frigjør brukere fra å investere i underliggende vedlikeholdskostnader. Samtidig forbedrer høyytelsesdatabehandlingsklyngens RDMA-høyhastighetsnettverk og høyytelseslagringsløsninger de parallelle databehandlingsmulighetene til Cloud HPC-klyngen ytterligere. Enten den håndterer dataintensive oppgaver som bæres av GPU HPC-klyngen eller kompleks arbeidsflytberegning som støttes av den administrerte HPC-klyngen, sikrer høyytelsesdatabehandlingsklyngen, gjennom sin optimaliserte HPC-klyngearkitektur, driftsresultater med lav latens og høy stabilitet.

Spørsmål: Hva er hovedfordelene med en administrert HPC-klynge? Hvordan fungerer den synergistisk med HPC-klyngearkitekturen for å forbedre brukeropplevelsen til skybaserte HPC-klynger?

A: Kjernefordelen med en administrert HPC-klynge ligger i at den er problemfri og effektiv, og krever ingen brukeroppmerksomhet på underliggende operasjoner som serverdistribusjon eller nettverkskonfigurasjon, noe som gir mulighet for fokus utelukkende på selve forretningsberegningen. Denne egenskapen danner en perfekt synergi med den elastatiske høye ytelsen til HPC-klyngearkitekturen. HPC-klyngearkitekturen støtter helautomatisert provisjonering og elastisk skalering, noe som gjør ressursplanlegging for den administrerte HPC-klyngen mer fleksibel og muliggjør dynamisk justering av nodeantall basert på oppgaveskala. Samtidig gir RDMA-høyhastighetsnettverket og høyytelseslagringen i denne arkitekturen solid ytelsesstøtte for Cloud HPC-klyngen. Dette sikrer at den administrerte HPC-klyngen opprettholder både bekvemmelighet og beregningskraft/hastighet når den behandler store parallelle databehandlingsoppgaver. Videre er den heterogene akselerasjonskapasiteten til GPU HPC-klyngen integrert i tjenestesystemet til den administrerte HPC-klyngen, noe som gir Cloud HPC-klyngen større kostnadseffektivitet i scenarier som AI-trening, noe som fullt ut gjenspeiler de omfattende fordelene med High Performance Computing Cluster.

Spørsmål: Hvorfor kan en GPU HPC-klynge bli kjernekonfigurasjonen til en høyytelsesdatabehandlingsklynge? Hvilken nøkkelrolle spiller tilpasningen til HPC-klyngearkitekturen i å forbedre ytelsen til skybaserte HPC-klynger?

A: GPU HPC-klyngen kan bli kjernekonfigurasjonen til høyytelsesdatabehandlingsklyngen fordi den har formidable parallelle databehandlingsmuligheter som nøyaktig samsvarer med behovene til dataintensive scenarier som storskala AI-trening og industriell simulering. Denne fordelen maksimeres gjennom HPC-klyngearkitekturen. HPC-klyngearkitekturen benytter RDMA-nettverkstilkobling med lav latens, med en latens så lav som 2us, noe som gjør samarbeidende databehandling med flere noder innenfor GPU HPC-klyngen mer effektiv og oppnår nesten lineære beregningshastighetsforhold. Samtidig lar den elastiske skaleringsfunksjonen som støttes av arkitekturen GPU HPC-klyngen justere datakraften dynamisk basert på oppgavekrav, og unngår ressurssløsing. Som en kjernekomponent i Cloud HPC-klyngen forbedrer den dype tilpasningen mellom GPU HPC-klyngen og HPC-klyngearkitekturen ikke bare beregningseffektiviteten for enkeltnoder, men optimaliserer også ressursutnyttelsen til hele den administrerte HPC-klyngen. Dette gjør det mulig for høyytelsesdatabehandlingsklyngen å opprettholde robust datakraft samtidig som den tilbyr en fleksibel og praktisk brukeropplevelse i komplekse høyytelsesdatabehandlingsscenarier.