Fast Crypto Lab ist eine Forschungsgruppe der National Taiwan University. Der Schwerpunkt ihrer Forschungsaktivitäten liegt auf dem Entwurf und der Analyse von effizienten Algorithmen zur Lösung von signifikanten mathematischen Problemen sowie auf der Entwicklung und Implementierung dieser Algorithmen auf parallelen Rechnerarchitekturen.

Vor ihrem Wechsel zu Amazon Web Services (AWS) nutzte die Forschungsgruppe eine private Cloud und führte auf ihren eigenen Maschinen Hadoop aus. Prof. Chen-Mou Cheng, Principal Investigator bei Fast Crypto Lab, erklärt, weshalb sich das Forschungslabor zu diesem Wechsel entschied: "Der Einstieg in AWS ist dank seiner klaren und flexiblen Schnittstelle ganz einfach. Amazon Elastic Compute Cloud (Amazon EC2) stellt zur Berechnung der Kosten unterschiedlichster Probleme eine gemeinsame und damit vergleichbare Metrik bereit. Bei gleichen oder ähnlichen Problemen kann Amazon EC2 auch als Metrik für den Vergleich alternativer oder konkurrierender Algorithmen und deren Implementierungen verwendet werden."

Dem fügt Chen-Mou hinzu: "Wenn Sie Amazon EC2 als Metrik verwenden, wird die Parallelisierbarkeit des Algorithmus bzw. die Parallelisierung der Implementierung explizit berechnet, statt nur geschätzt oder gar nicht spezifiziert zu werden. Die Amazon EC2-Metrik ist aber nicht nur praktisch, sondern auch ganz einfach zu verwenden."

Die Forschungsgruppe verwendet in ihrer Architektur Hadoop-Streaming und führt ihre Programme mit Amazon Elastic MapReduce (Amazon EMR) und Cluster GPU-Instances für Amazon EC2 aus.

"Unser Ziel war es, den Rekord der Lösung des Problems der kürzesten Vektoren (SVP) in euklidischen Gittern zu brechen", erklärt Chen-Mou. "Dies ist im Bereich der Informationswissenschaften ein bedeutendes Problem. Wir schätzten, dass wir hierfür 1 000 cg1.4xlarge-Instance-Stunden benötigen würden. Tatsächlich benötigten wir zur Lösung des Problems aber nur 50 cg1.4xlarge-Instances für etwa 10 Stunden. Nun gelten die Vektoren, die wir gefunden haben, als schwierigstes bislang gelöstes SVP. Dabei mussten wir für die zehnstündige Nutzung der 100 Tesla M2050 nur 2 300 USD zahlen. Das ist ein ziemlich guter Deal."

Seit ihrem Wechsel zu AWS haben sich die Systemwartungskosten der Forschungsgruppe reduziert, wobei die Rechenleistung stabiler und besser zu skalieren ist. Ihr Favorit ist eindeutig Amazon CloudWatch, das die Gruppe zur Überwachung ihrer Computersysteme wie auch zur Optimierung ihres Programms verwendet.

Mit Blick auf die Zukunft meint Chen-Mou: "Wir wollen unsere GPU-Cluster-Kapazität erhöhen und ein SVP höherer Dimension lösen. Außerdem überlegen wir gerade, ob wir eine AWS-Maschine leasen wollen, um darauf einen SVN-Server einzurichten."

Um mehr darüber herauszufinden, wie AWS Ihnen helfen kann, Big Data zu speichern und zu verarbeiten, besuchen Sie unsere Detailseite zu Big Data: http://aws.amazon.com/big-data/.