Elastic Fabric Adapter（EFA）是 Amazon EC2 实例的网络接口，使客户能够在 AWS 上大规模运行需要高级别节点间通信的应用程序。它的定制操作系统 (OS) 旁路硬件接口增强了实例间通信的性能，这对于扩展这些应用程序至关重要。借助 EFA，使用消息传递接口 (MPI) 的高性能计算 (HPC) 应用程序和使用 NVIDIA 多节点协同通信库 (NCCL) 的 Machine Learning (ML) 应用程序可以扩展到数千个 CPU 或 GPU。因此，您可以通过 AWS 云的按需弹性和灵活性获得本地 HPC 集群的应用程序性能。
EFA 作为可选的 EC2 联网功能提供，您可以在任何支持的 EC2 实例上免费启用此功能。此外，EFA 可与用于节点间通信的最常用接口、API 和库配合使用，因此只需稍作修改或无需修改，即可将 HPC 应用程序迁移到 AWS。
优势
更快看到成效
EFA 独特的操作系统旁路联网机制为实例间通信提供了低延迟、低抖动通道。借助此机制，紧密耦合的 HPC 或分布式机器学习应用程序可以扩展到数千个内核，从而使应用程序更快速运行。
灵活的配置
您可以对越来越多的 EC2 实例启用 EFA 支持，并可以灵活地为您的工作负载选择正确的计算配置。只需根据需求变化更改集群配置，然后在新计算实例上启用 EFA 支持即可。无需事先预留容量或提前计划。
无缝迁移
EFA 使用 libfabric 接口和 libfabric API 进行通信。几乎所有 HPC 编程模型都支持此接口，因此您基本上无需修改即可将现有 HPC 应用程序迁移到云端。
EFA 性能
如上图所示，在标准 CFD 模拟中，EFA 提供的扩展比 ENA 提高 4 倍。
Metacomp Technologies 提供该基准的求解器
工作原理
使用案例
计算流体动力学
计算流体动力学（CFD）算法的进步使工程师能够模拟日益复杂的流动现象，而 HPC 有助于缩短解题时间。借助 EFA，设计工程师现在可以扩展他们的模拟工作，以试验更多可调参数，从而获得更快、更准确的结果。
天气建模
复杂的天气模型需要高内存带宽、快速互连和强大的并行文件系统，才能提供准确的结果。模型上的网格间距越近，结果就越准确，而且模型所需的计算资源也越多。EFA 提供快速互连，可让天气建模应用程序利用 AWS Cloud 几乎无限的扩展能力，在更短的时间内获得更准确的预测。
机器学习
通过 GPU 上的分布式计算，可以显著加快深度学习模型的训练。Caffe、Caffe2、Chainer、mxNet、TensorFlow 和 PyTorch 等领先的深度学习框架已经集成 NCCL，以利用其多 GPU 集合进行跨节点通信。EFA 针对 AWS 上的 NCCL 进行优化，提高这些训练模型的吞吐量和可扩展性，从而更快地获得结果。
资源
