快速密码学实验室是国立台湾大学的一个研究小组。该小组的研究工作重点是设计和分析用以解答重要数学问题的高效算法,以及在大规模并行计算机上开发和实施此类算法。

在签约 Amazon Web Services (AWS) 之前,该小组使用私有云并在自己的机器上运行 Hadoop。快速密码学实验室的主要研究者郑振牟教授解释了研究小组迁移到 AWS 的原因:“AWS 拥有清晰、灵活的接口,通过它起步非常简单。Amazon Elastic Compute Cloud (Amazon EC2) 为不同性质的问题提供了通用的成本测量方式。对于相同或相似的问题,Amazon EC2 还可以充当对比备选或竞争算法及其实施项的指标。”

郑教授补充道:“将 Amazon EC2 用作指标时,算法的并行性或实施项的并行性将被明确考虑在内,这一点与假设或未指定时的情形相反。Amazon EC2 指标具有实用性且易于使用。”

该小组现在在架构中使用 Hadoop Streaming,并使用 Amazon Elastic MapReduce (Amazon EMR) 和 Amazon EC2 的集群 GPU 实例运行程序。

“我们的目标是打破解答欧几里德格中最短向量问题 (SVP) 的记录。”郑教授说,“此问题在信息科学领域有着举足轻重的地位。我们预计需要 1000 个 cg1.4xlarge 实例小时。最后使用了 50 个 cg1.4xlarge 实例并用大约 10 小时解答了问题。现在,我们发现的向量被视为迄今为止最难解答的 SVP。我们使用了 100 Tesla M2050 10 个小时且只花费了 2300 USD,这是一个非常划算的交易。”

迁移到 AWS 之后,该小组降低了机器维护成本,并且体验了更加稳定、可扩展性更强的计算能力。该小组最喜欢的 AWS 组件是 Amazon CloudWatch。该组件可用于查看计算机实用工具,同时还能改进程序。

放眼未来,郑教授说:“我们希望增加 GPU 集群引用并解答更高维度的 SVP。我们还在考虑租用 AWS 机器来构建 SVN 服务器。”

若要查找更多有关 AWS 如何帮助您存储和处理大数据的信息,请访问我们的大数据详细信息页面:http://aws.amazon.com/big-data/