Category: Compute

这篇博文由担任 Partner Solutions Architect 的 Benjamin Gardiner […]

今天，我们宣布 Amazon EC2 R7iz 实例正式上市。R7iz 实例是云中速度最快的基于第四代 Int […]

客户在使用 Amazon EC2 时会根据业务的需求选择最合适的实例类型，本次测试主要是测试 Amazon EC2 Auto Scaling 在多 AZ 部署时不同实例机型、有无工作负载的多种情况下故障转移和扩容时间，为实例机型选择提供指导。

本文以行业最常用的软件组合 NONMEM 和 PsN 作为 PK/PD 建模分析的核心，通过 Slurm 调度程序提交并分发作业至由亚马逊云科技 Amazon ParallelCluster 构建的计算集群之上，并借助并行计算框架 MPICH 提升计算效率。

在 2019 年的 AWS re:Invent 上，亚马逊云科技发布了 Inferentia 芯片和 Inf1 实例，Inferentia 是一种高性能机器学习推理芯片，由 AWS 定制设计：其目的是提供具有成本效益的大规模低延迟预测。时隔四年，2023 年 4 月亚马逊云科技发布了 Inferentia2 芯片和 Inf2 实例，旨在为大型模型推理提供技术保障。本文将介绍如果使用 Inf2 实例运行 GPT-J-6B 模型。

Amazon Compute Optimizer 如今推出了一项新功能，让您可以利用多个 CPU 架构（包括基于 x86 的实例和基于 Amazon Graviton 的实例）更轻松地优化 EC2 实例。Compute Optimizer 是一项可选服务，可为工作负载推荐最佳 Amazon 资源，通过分析历史利用率指标来降低成本并提高性能。

让我们从如何启用 Compute Optimizer 开始，了解它对在 Fargate 上运行的 Amazon ECS 服务的建议，并进行应用。

在整个系列博客中我们会以基于 EMR on EKS 的 Spark 大数据分析业务场景为示例，利用 Karpenter + Spot + Graviton，通过控制实例启动的优先级达到成本优化的目的。

在整个系列博客中我们会以基于 EMR on EKS 的 Spark 大数据分析业务场景为示例，利用 Karpenter + Spot + Graviton，通过控制实例启动的优先级达到成本优化的目的。

在整个系列博客中我们会以基于 EMR on EKS 的 Spark 大数据分析业务场景为示例，利用 Karpenter + Spot + Graviton，通过控制实例启动的优先级达到成本优化的目的。