• LG AI Research

    تهدف LG AI Research وخبراء الذكاء الاصطناعي الرائدين عالميًا إلى قيادة الحقبة التالية من الذكاء الاصطناعي لتحقيق المستقبل الواعد معك من خلال توفير بيئة بحث مثالية والاستفادة من أحدث تقنيات الذكاء الاصطناعي.

    التحدي: احتاجت LG AI Research إلى نشر نموذج التأسيس الخاص بها، EXAONE، للإنتاج في عام واحد. EXAONE، الذي يرمز إلى «الذكاء الاصطناعي الخبير للجميع»، هو نموذج متعدد الوسائط يضم 300 مليار معلمة يستخدم كلاً من الصور والبيانات النصية.

    الحل: استخدمت LG AI Research خدمة Amazon SageMaker لتدريب نموذج الأساس واسع النطاق الخاص بها وAmazon FSx for Lustre لتوزيع البيانات في مثيلات لتسريع التدريب على النماذج. احتاجت LG AI Research إلى نشر نموذج الأساس الخاص بها، EXAONE، للإنتاج في عام واحد. نجحت LG AI Research في نشر EXAONE في عام واحد، وخفضت التكاليف بنسبة 35 بالمائة تقريبًا من خلال القضاء على الحاجة إلى فريق منفصل لإدارة البنية التحتية.

    اقرأ دراسة الحالة الخاصة بـ LG AI Research. »
  • Paige

    Paige هي المزود الرائد للتحول الرقمي في علم الأمراض، حيث تقدم حلاً واسع النطاق ومدعمًا بالذكاء الاصطناعي ومستندًا إلى الويب يجلب الكفاءة والثقة لتشخيص السرطان.

    التحدي: وصلت حلول Paige الداخلية إلى الحد الأقصى. كان هدفهم تدريب نماذج الذكاء الاصطناعي وتعلم الآلة للمساعدة في أمراض السرطان. اكتشفت Paige أنه كلما زادت سعة الحوسبة لديهم، زادت سرعة تدريب نماذجهم والمساعدة في حل مشكلات التشخيص.

    الحل: لتشغيل أعباء عمل تدريب ML، اختارت Paige مثيلات Amazon EC2 p4d، المدعومة بوحدات معالجة الرسومات NVIDIA A100 Tensor Core، والتي توفر أداءً عاليًا لتدريب ML وتطبيقات HPC في السحابة. تستخدم Paige‏ خدمة Amazon FSx for Lustre، وهي وحدة تخزين مشتركة مُدارة بالكامل مبنية على نظام ملفات شائع عالي الأداء. قامت الشركة بتوصيل هذه الخدمة ببعض حاويات Amazon S3 الخاصة بها، والتي تساعد فرق التطوير الخاصة بها على معالجة البيتابايت من بيانات إدخال ML دون الحاجة إلى إعداد البيانات مسبقًا يدويًا على أنظمة الملفات عالية الأداء. تتمثل نتيجة حل AWS في أن Paige يمكنها تدريب 10 أضعاف كمية البيانات المحلية باستخدام بنية AWS الأساسية لتعلم الآلة.  شهدت Paige أيضًا تدفقات عمل داخلية أسرع بنسبة 72٪ مع Amazon EC2 وAmazon FSx for Lustre. 

    من خلال توصيل Amazon FSx for Lustre بـ Amazon S3، يمكننا التدريب على 10 أضعاف كمية البيانات التي جربناها في البنية التحتية المحلية دون أي مشاكل.

    Alexander van Eck،‏ staff AI engineer‏ - شركة Paige
    اقرأ دراسة الحالة، حسّنت شركة Paige علاج السرطان باستخدام سير عمل ML الهجين الذي تم إنشاؤه باستخدام مثيلات Amazon EC2 p4d. »
  • Toyota

    Toyota Research Institute يختار FSx for Lustre لتقليل أوقات التدريب على تعلّم الآلة للتعرف على الأشياء.

    يقوم Toyota Research Institute (TRI) بجمع ومعالجة كميات كبيرة من بيانات أجهزة الاستشعار من محركات اختبار المركبات ذاتية القيادة (AV). يتم تنظيم كل مجموعة بيانات تدريبية في جهاز NAS محلي ونقلها إلى خدمة التخزين البسيطة في Amazon (Amazon S3) قبل المعالجة على كتلة حوسبة وحدة معالجة رسومات (GPU) قوية. احتاجت TRI إلى نظام ملفات عالي الأداء للاقتران مع موارد الحوسبة الخاصة بها، وتسريع التدريب على تعلّم الآلة (ML)، وتسريع الرؤى لعلماء البيانات لديها..

    كنا بحاجة إلى نظام ملفات متوازي لمجموعات بيانات التدريب على تعلّم الآلة الخاصة بنا واخترنا Amazon FSx for Lustre لتوفره العالي ومتانته، مقارنة بعروض نظام الملفات القديم لدينا. كما أن التكامل مع خدمات AWS، بما في ذلك S3، جعلها الخيار المفضل لتخزين الملفات عالي الأداء.

    ديفيد فلوك، مهندس برمجيات - Toyota Research Institute
  • Shell

    تقدم Shell مجموعة ديناميكية من خيارات الطاقة - من النفط والغاز والبتروكيماويات إلى طاقة الرياح والطاقة الشمسية والهيدروجين - تفخر Shell بتوفير الطاقة التي يحتاجها عملاؤها لدعم حياتهم. 

    التحدي: تعتمد Shell على الحوسبة عالية الأداء (HPC) لبناء النماذج والاختبار والتحقق من الصحة. من عام 2020 إلى عام 2022، بلغ متوسط استخدام وحدة معالجة الرسوميات (GPU) أقل من 90٪، ما أدى إلى تأخير المشروع والقيود المفروضة على تجارب الخوارزميات الجديدة.

    الحل: تعمل Shell على زيادة قدرات الحوسبة المحلية عن طريق الانتقال إلى السحابة باستخدام مجموعات Amazon EC2 وAmazon FSx for Lustre. يمنح هذا الحل شركة Shell القدرة على التوسع السريع والتحجيم، وشراء سعة حوسبة إضافية فقط عند الحاجة. يتم الآن استخدام وحدات معالجة الرسومات (GPU) الخاصة بشركة Shell بالكامل لتقليل تكلفة الحوسبة وتسريع اختبار نماذج تعلم الآلة.

  • Storengy

    تعد Storengy، وهي شركة تابعة لمجموعة ENGIE، المورد الرئيسي للغاز الطبيعي. تقدم الشركة تخزين الغاز وحلول الطاقة الحرارية الأرضية وإنتاج الطاقة الخالية من الكربون وتقنيات التخزين للمؤسسات في جميع أنحاء العالم.

    لضمان تخزين منتجاتها بشكل صحيح، تستخدم Storengy أجهزة محاكاة عالية التقنية لتقييم تخزين الغاز تحت الأرض، وهي عملية تتطلب استخدامًا مكثفًا لأعباء عمل الحوسبة عالية الأداء (HPC). تستخدم الشركة أيضًا تقنية HPC لتشغيل وظائف اكتشاف الغاز الطبيعي واستكشافه.

    بسبب AWS، لدينا قابلية التوسع والتوافر العالي لإجراء المئات من عمليات المحاكاة في وقت واحد. بالإضافة إلى ذلك، يتم توسيع نطاق الحل تلقائيًا لأعلى أو لأسفل لدعم فترات ذروة أعباء العمل لدينا، مما يعني أنه ليس لدينا أي مفاجآت مع بيئة HPC الخاصة بنا.

    جان فريدريك ثيبولت - مهندس، Storengy
  • Smartronix

    تستفيد Smartronix من FSx for Lustre لتقديم أداء عالٍ يمكن الاعتماد عليه لعمليات نشر SAS Grid الخاصة بها.

    توفر Smartronix الحلول السحابية والأمان السيبراني وتكامل الأنظمة وC5ISR في جميع أنحاء العالم وتحليلات البيانات والهندسة التي تركز على المهام للعديد من المنظمات التجارية والفيدرالية الرائدة في العالم. اعتمدت Smartronix على SAS Grid لتحليل وتقديم إحصاءات كوفيد اليومية على مستوى الولاية، ووجدت أن نظام الملفات الموازي المُدار ذاتيًا يصعب إدارته وحمايته.

    أتاح لنا التعاون مع AWS والاستفادة من حلولها المُدارة مثل FSx for Lustre خدمة عملائنا بشكل أفضل - مع توافر أعلى وتكلفة أقل بنسبة 29% من أنظمة الملفات المُدارة ذاتيًا.

    روب مونير - مهندس حلول أول، Smartronix
  • Netflix

    Netflix هي خدمة بث تقدم مجموعة متنوعة من البرامج التلفزيونية والأفلام والأنيمي والأفلام الوثائقية الحائزة على جوائز والمزيد.

    التحدي: تستخدم Netflix تدريبًا موزعًا واسع النطاق لنماذج تعلم الآلة للوسائط والصور المصغرة لمرحلة ما بعد الإنتاج والمؤثرات البصرية وإنشاء المقاطع الدعائية لآلاف مقاطع الفيديو وملايين المقاطع. كانت Netflix تعاني من فترات انتظار طويلة بسبب النسخ المتماثل عبر العُقَدِ ووقت خمول وحدة معالجة الرسومات بنسبة 40%.

    الحل: قامت Netflix بإعادة تصميم مسار تحميل البيانات وتحسين كفاءته من خلال الحوسبة المسبقة لجميع مقاطع الفيديو/الصوت. اختارت Netflix أيضًا Amazon Ultraclusters (مثيلات EC2 p4d) لتسريع أداء الحوسبة. أداء Amazon FSx for Lustre يمكّن شركة Netflix من تشبع وحدات معالجة الرسومات، والقضاء فعليًا على وقت خمول وحدة معالجة الرسومات. تشهد Netflix الآن تحسنًا بمعدل 3-4 أضعاف باستخدام الحوسبة المسبقة وFSx for Lustre، ما يقلل وقت تدريب النماذج من أسبوع إلى يوم أو يومين.

    شاهد الفيديو: تدريب موزع على نطاق واسع لنماذج تعلم الآلة (ML) للوسائط باستخدام Amazon FSx for Lustre. »
  • Hyundai

    اشتهرت شركة Hyundai Motor كشركة مصنعة للسيارات معترف بها عالميًا وتُصدِّر سياراتها بعلامتها التجارية إلى أكثر من 200 دولة.

    التحدي: إحدى الخوارزميات المستخدمة غالبًا في القيادة الذاتية هي التجزئة الدلالية، وهي مهمة للتعليق على كل بكسل من الصورة بفئة كائن. يمكن أن تكون هذه الفصول هي الطريق، والشخص، والسيارة، والبناء، والنباتات، والسماء، وما إلى ذلك. تختبر Hyundai الدقة وتجمع صورًا إضافية لتصحيح الأداء التنبؤي غير الكافي في مواقف محددة. ومع ذلك، قد يمثل هذا تحديًا، حيث لا يوجد غالبًا وقت كافٍ لإعداد جميع البيانات الجديدة مع ترك الوقت الكافي لتدريب النموذج والوفاء بالمواعيد النهائية المجدولة.

    الحل: اختارت Hyundai‏ خدمة Amazon SageMaker لأتمتة تدريب النماذج، ومكتبة Amazon SageMaker لتوازي البيانات، وذلك للانتقال من وحدة معالجة الرسومات الفردية إلى التدريب الموزع. لقد اختاروا Amazon FSx for Lustre لتدريب النماذج دون انتظار نسخ البيانات. كما اختاروا Amazon S3 لمخزن بياناتهم الدائم. حققت Hyundai كفاءة توسيع تصل إلى 93٪ من خلال 8 مثيلات لوحدة معالجة الرسومات، أو 64 وحدة معالجة رسومات إجمالاً. خدمة FSx for Lustre مكّنت شركة Hyundai من تشغيل وظائف تدريبية وتجارب متعددة مقابل نفس البيانات دون أي وقت انتظار.

    اقرأ المنشور في مدونة العميل »
  • Rivian

    إن Rivian في مهمة لإبقاء العالم مغامرًا إلى الأبد. نعتقد أن هناك طريقة أكثر مسؤولية لاستكشاف العالم ونحن مصممون على جعل الانتقال إلى النقل المستدام أمرًا مثيرًا.

    لتلبية الجداول الهندسية المتسارعة وتقليل الحاجة إلى النماذج الأولية المادية، تعتمد شركة Rivian المصنعة للسيارات الكهربائية على تقنيات النمذجة والمحاكاة المتقدمة. وباستخدام قدرة حوسبة عالية، تُمكّن عمليات المحاكاة المهندسين من اختبار المفاهيم الجديدة وتقديم تصميماتهم إلى السوق بسرعة.

    تتيح الشراكة مع Amazon لشركة Rivian التركيز على تطوير المركبات المستدامة وتسليمها، وليس على تكنولوجيا المعلومات. ومع Amazon، نقوم بتشغيل تطبيقات التطوير الرئيسية الخاصة بنا بشكل أسرع من التطبيقات المحلية بما في ذلك: أسرع بنسبة 56% على Elements، وأسرع بنسبة 35% على Siemens، وأسرع بنسبة 20% على Ansys.

    Madhavi Osanaka،‏ CIO - شركة Rivian
    قراءة دراسة حالة Rivian »
  • DENSO

    تقوم Denso بتطوير مستشعرات الصور لأنظمة مساعدة السائق المتقدمة (ADAS)، والتي تساعد السائقين في وظائف مثل ركن السيارات وتغيير الممرات.

    التحدي: لتطوير نماذج تعلم الآلة (ML) اللازمة للتعرف على صور ADAS، قامت DENSO ببناء مجموعات GPU في بيئتها المحلية. ومع ذلك، شارك العديد من مهندسي ML موارد GPU محدودة، وهو ما أثر على الإنتاجية - خاصة خلال الفترة المزدحمة قبل إصدار منتج جديد.

    الحل: من خلال اعتماد Amazon SageMaker وAmazon FSx for Lustre، تمكنت Denso من تسريع إنشاء نماذج التعرف على الصور ADAS عن طريق تقليل وقت الحصول على البيانات وتطوير النماذج والتعلم والتقييم.

    «ستستمر ممارسة التحول إلى السحابة في التسارع في مجال الذكاء الاصطناعي وتعلم الآلة. أنا واثق من أن AWS ستستمر في تقديم الدعم لنا بينما نواصل إضافة الوظائف».

    Kensuke Yokoi‏، general manager - شركة DENSO
    اقرأ دراسة حالة Denso. »
  • Joby Aviation

    Joby Aviation تستخدم AWS لإحداث ثورة في مجال النقل.

    التحدي: يعتمد مهندسو Joby على الحوسبة عالية الأداء (HPC) لإجراء الآلاف من عمليات محاكاة ديناميكيات السوائل الحاسوبية المعقدة والمكثفة للحوسبة (CFD) التي تستخدم المئات من نوى وحدة المعالجة المركزية لكل منها ويمكن أن تستغرق عدة ساعات لإكمالها.

    الحل: أدى استخدام سحابة الحوسبة المرنة لـ Amazon (Amazon EC2) وAmazon FSx for Lustre إلى تمكين Joby من الحصول على نتائج أسرع من أعباء عمل CFD مقارنة بالبنية التحتية للحوسبة عالية الأداء المحلية.

    عندما حاولنا تشغيل العشرات من عمليات المحاكاة في وقت واحد، كنا نقرأ ونكتب عدة جيجابايت من البيانات في وقت واحد، مما أدى إلى إبطاء كل شيء. أزال FSx for Lustre مشاكل السعة هذه. يمكننا زيادة حجم القرص الصلب الخاص بنا بسهولة الآن.

    أليكس ستول، رئيس قسم الميكانيكا الجوية، Joby Aviation
    قراءة دراسة حالة Joby Aviation »
  • T-Mobile

    تحقق T-Mobile ما يبلغ 1.5 مليون دولار من المدخرات السنوية وتضاعف سرعة أعباء عمل SAS Grid باستخدام Amazon FSx for Lustre.

    التحدي: كانت T-Mobile تواجه صعوبات إدارية عالية وصعوبات في الأداء مع عبء عمل SAS Grid المُدار ذاتيًا.

    الحل :قامت T-Mobile بنشر Amazon FSx for Lustre، وهو نظام ملفات عالي الأداء مُدار بالكامل، لترحيل البنية التحتية SAS Grid الخاصة بها وتوسيع نطاقها. استخدمت T-Mobile الدمج الوثيق بين Amazon FSx وS3 لتقليل عبء التخزين وتحسين العمليات.

    ساعدتنا Amazon FSx for Lustre على مضاعفة سرعة أعباء عمل SAS Grid وتقليل التكلفة الإجمالية للملكية بنسبة 83% والتخلص تمامًا من أعبائنا التشغيلية. تتيح لنا الشراكة مع AWS التركيز على أفضل ما نقوم به، وتطوير منتجات مبتكرة لعملائنا، مع الاعتماد على ميزات التخزين المتطورة لـ FSx، وإمكانات الاستضافة ذات المستوى العالمي لـ AWS.

    دينيش كورد، المدير الأول لتطوير البرمجيات - T-Mobile
  • Netflix

    واجه إنتاج الموسم الرابع من الدراما العرضية "The Crown" على Netflix تحديات غير متوقعة، حيث دخل العالم في حالة من الإغلاق بسبب جائحة كوفيد-19 في الوقت الذي كان من المقرر أن تبدأ فيه أعمال VFX في مرحلة ما بعد الإنتاج. من خلال اعتماد سير عمل قائم على السحابة على AWS، بما في ذلك خادم ملفات Amazon FSx Lustre لتحسين معدل النقل، تمكن فريق VFX الداخلي في Netflix المكون من 10 فنانين من إكمال أكثر من 600 لقطة VFX بسلاسة لتشغيل 10 حلقات من الموسم في 8 أشهر فقط، كل ذلك أثناء العمل عن بُعد. 

    اقرأ منشور مدونة "The Crown' in the Cloud" »
  • Maxar

    Maxar تستخدم AWS لتقديم تنبؤات أسرع بنسبة 58% من الكمبيوتر العملاق الخاص بالطقس.

    التحدي: تحتاج Maxar Technologies، الشريك الموثوق والمبتكر في مجال ذكاء الأرض والبنية التحتية الفضائية، إلى تقديم تنبؤات الطقس بشكل أسرع مقارنة بحاسوبها العملاق المحلي.

    الحل: عملت Maxar مع AWS لإنشاء حل HPC باستخدام التقنيات الرئيسية بما في ذلكسحابة الحوسبة المرنة لـ Amazon Elastic Compute Cloud (Amazon EC2) لموارد الحوسبة الآمنة والموثوقة للغاية، وAmazon FSx for Lustre لتسريع معدل نقل القراءة/الكتابة لتطبيقها، وAWS ParallelCluster لبناء بيئات حوسبة HPC بسرعة على AWS.

    Maxar استخدمت Amazon FSx for Lustre في حل AWS HPC الخاص بنا لتشغيل نموذج التنبؤ العددي بالطقس الخاص بهيئة NOAA. سمح لنا ذلك بتقليل وقت الحوسبة بنسبة 58%، مما أدى إلى إنشاء تنبؤات في حوالي 45 دقيقة للحصول على نقطة سعر أكثر فعالية من حيث التكلفة. كان تعظيم موارد حوسبة AWS بمثابة تعزيز مذهل للأداء بالنسبة لنا.

    ستيفان سيسيلسكي، حاصل على درجة الدكتوراة، كبير مهندسي وعلماء البيانات، Maxar Technologies
    قراءة دراسة حالة Maxar »
  • INEOS TEAM UK

    يعمل INEOS TEAM UK على تسريع تصميم القوارب لكأس أمريكا باستخدام AWS.

    التحدي: تأسست INEOS TEAM UK في عام 2018، ويهدف إلى جلب جائزة كأس أمريكا - أقدم كأس رياضي دولي في العالم - إلى بريطانيا العظمى. تقيد جائزة كأس أمريكا الاختبار على الماء لمدة لا تزيد عن 150 يومًا قبل الحدث، لذا فإن محاكاة ديناميكيات السوائل الحاسوبية عالية الأداء (CFD) للقوارب الأحادية والرقائق تصبح مفتاحًا لتصميم القارب الفائز.  

    الحل: باستخدام AWS، يمكن لـ INEOS TEAM UK معالجة الآلاف من عمليات محاكاة التصميم للقارب الفائز بكأس أمريكا الخاص به في أسبوع واحد مقابل مدة تزيد عن الشهر باستخدام بيئة محلية. تنافس INEOS TEAM UK في النسخة 36 من كأس أمريكا في عام 2021. يستخدم الفريق بيئة HPC تعمل على مثيلات Amazon EC2 Spot.  لضمان الأداء السريع للقرص لآلاف عمليات المحاكاة التي يتم إكمالها كل أسبوع، استخدم الفريق Amazon FSx for Lustre أيضًا لتوفير نظام ملفات سريع وقابل للتطوير وآمن عالي الأداء يعتمد على خدمة التخزين البسيطة في Amazon (S3).

    تتيح لنا AWS اتخاذ خطوات تصميم أكبر، وذلك ببساطة لأن لدينا مزيد من الوقت لفهم نتائجنا.

    نك هولرويد، رئيس التصميم - INEOS TEAM UK
    قراءة دراسة حالة INEOS TEAM UK »
  • Hive VFX

    تخفّض Hive VFX تكاليف الاستوديو الأولية، وتعمل كاستوديو VFX سحابي على AWS.

    التحدي: احتاجت Hive إلى بنية تحتية عالية الأداء لإطلاق استوديو سحابي صغير ومستقل للفنانين عن بُعد حول العالم لإنشاء محتوى عالي الجودة.

    الحل: يوفر Amazon FSx for Lustre المُدار بالكامل، والمتكامل مع Amazon S3، وصولاً سريعًا إلى موارد حوسبة AWS دون استثمار مسبق كبير أو خبرة فريق تكنولوجيا المعلومات الداخلي. أدت المزامنة السلسة لبيانات الملفات وأذونات الملفات بين FSx Lustre وS3 إلى تمكين Hive VFX من تخزين حجم كبير من الصور ومشاركة بيانات المشروع عبر القارات.

    يمكنني تشغيل نظام ملفات Amazon FSx for Lustre في 5 دقائق ويتم إدارته جميعًا بواسطة AWS.

    بيرني كيمباتشر، المؤسس - Hive VFX
    قراءة دراسة حالة Hive VFX »
  • Lyell

    تعمل Lyell على تسريع أبحاث علاج السرطان القائمة على الخلايا باستخدام Amazon FSx for Lustre.

    التحدي: تقدم Lyell علاجات السرطان العلاجية القائمة على الخلايا والتي تتطلب تشغيل تصميم حسابي واسع النطاق للبروتينات. كانت أعباء العمل هذه تُدار تقليديًا في أماكن العمل، لكن الشركة كانت بحاجة إلى حل أكثر قابلية للتطوير وفعالية من حيث التكلفة حيث كانت تقتصر على تشغيل تجربة واحدة فقط في الشهر.

    الحل: منذ ترحيل نظام الملفات الخاص بها إلى FSx for Lustre، يمكن لعلماء البيانات تقسيم وتصغير الآلاف من كتل HPC التي تتكون من مثيلات EC2 وأنظمة ملفات Amazon FSx، مما يمكنهم من تشغيل تجارب المعالجة الثقيلة بسرعة، والدفع فقط مقابل الحوسبة والتخزين طوال مدة عبء العمل.

    تعمل Amazon for FSx Lustre على تسريع أبحاثنا في تطوير الجيل التالي من علاج السرطان. باستخدام FSx، قللنا وقت تنفيذ تجاربنا من أسابيع إلى ساعات، ومكّنا العلماء من اختبار العديد من الفرضيات أكثر من ذي قبل. يمكن لأعباء العمل لدينا التي تعمل على عشرات الآلاف من العقد الحاسوبية الآن استخدام FSx للوصول إلى بيانات S3 في مجموعات فائقة الارتفاع.

    أنيش كيجاريوال، رئيس هندسة تحليلات البيانات - Lyell Immunopharma
  • BlackThorn Therapeutics

    تعمل BlackThorn Therapeutics على تسريع وقت الرؤية باستخدام FSx for Lustre.

    التحدي: كانت معالجة بيانات التصوير بالرنين المغناطيسي (MRI) باستخدام أنظمة ملفات السحابة القياسية DiY تتطلب الكثير من الموارد والوقت. احتاجت BlackThorn إلى حل تخزين ملفات مشترك كثيف الحوسبة للمساعدة في تبسيط عمليات سير عمل علم البيانات وتعلّم الآلة.

    الحل: تم دمج Amazon FSx for Lustre مع Amazon S3 وAmazon SageMaker، ما يوفر معالجة سريعة لمجموعات بيانات التدريب على تعلّم الآلة الخاصة بهم بالإضافة إلى الوصول السلس إلى الحوسبة باستخدام مثيلات Amazon EC2.

    لقد مكننا FSx for Lustre من إنشاء مسار معالجة بيانات التصوير بالرنين المغناطيسي عالي الأداء. تم خفض وقت معالجة البيانات لعمليات سير العمل المستندة إلى تعلّم الآلة (ML) إلى دقائق مقارنة بالأيام والأسابيع.

    أوسكار رودريجيز، كبير المديرين للابتكار والتكنولوجيا - BlackThorn Therapeutics
  • Qubole

    تعمل Qubole على تحسين متانة البيانات مع تقليل التكلفة باستخدام Amazon FSx for Lustre.

    التحدي: كانت Qubole تبحث عن حل تخزين عالي الأداء لمعالجة أعباء العمل التحليلية وأعباء عمل الذكاء الاصطناعي/تعلم الآلة لعملائها. لقد احتاجوا إلى تخزين ومعالجة البيانات الوسيطة الموجودة في مجموعة مثيلات EC2 Spot بسهولة.

    الحل: إن Qubole استخدمت Amazon FSx for Lustre لتخزين ومعالجة البيانات الوسيطة من خلال نظام الملفات المتوازي عالي السرعة.

    نشأت أكبر مشكلتين لمستخدمينا، وهما التكاليف المرتفعة وفقدان البيانات الوسيطة، من استخدام مثيلات EC2 الخاملة ومثيلات EC2 Spot لمعالجة البيانات الوسيطة وتخزينها والناتجة عن أطر المعالجة الموزعة مثل Hive وSpark. وقد تمكّنا من حل هذه المشكلة باستخدام Amazon FSx for Lustre، وهو نظام ملفات عالي الأداء، لإلغاء تحميل البيانات الوسيطة. الآن، لا يتعين على مستخدمينا الدفع للحفاظ على المثيلات الخاملة ولا يتأثرون بعقد EC2 Spot المتقطعة. ساعدت Amazon FSx مستخدمينا على تقليل التكاليف الإجمالية بنسبة 30%.

    جويديب سين سارما، كبير مسؤولي التكنولوجيا - Qubole
تعرَّف على المزيد عن ميزات Amazon FSx
اطّلِع على ميزات خدمة Amazon FSx

تعرَّف على المزيد حول أهم ميزات Amazon FSx for Lustre.

تعرّف على المزيد 
اشترك للحصول على حساب مجاني لدى AWS
اشترك للحصول على حساب مجاني

تمتع بالوصول الفوري إلى الطبقة المجانية من AWS. 

تسجيل الاشتراك 
بدء الإنشاء في وحدة التحكم
بدء الإنشاء في وحدة التحكم

ابدأ الإنشاء باستخدام Amazon FSx for Lustre في وحدة إدارة تحكم AWS.

سجِّل الدخول