Fast Crypto Lab es un grupo de investigación dentro de la Universidad Nacional de Taiwán, en Taiwán. Las actividades de investigación del grupo se centran en el diseño y análisis de algoritmos eficientes para resolver problemas matemáticos importantes, así como el desarrollo y la implementación de estos algoritmos en un gran número de equipos dispuestos en paralelo.

Antes de firmar con Amazon Web Services (AWS), el grupo usaba una nube privada y ejecutaba Hadoop en sus máquinas. El profesor Chen-Mou Cheng, investigador principal de Fast Crypto Lab, explica por qué el grupo de investigación migró a AWS: “Es muy fácil trabajar con AWS, su interfaz es muy clara y flexible. Amazon Elastic Compute Cloud (Amazon EC2) provee una medida común de costes para todos los problemas de distinta naturaleza. Para este tipo de problemas o problemas similares, Amazon EC2 también se puede usar como una métrica para comparar algoritmos alternativos o enfrentados y sus implementaciones”.

Chen-Mou agrega: “Cuando se usa Amazon EC2 como métrica, la paralelizabilidad del algoritmo o la paralelización de la implementación se tiene en cuenta explícitamente, en comparación a que se asume o no se especifica. Por este motivo, la métrica de Amazon EC2 es práctica y fácil de usar”.

Ahora el grupo usa Hadoop Streaming en su arquitectura, y ejecuta sus programas con Amazon Elastic MapReduce (Amazon EMR) e instancias de GPU de clúster para Amazon EC2.

“Nuestro objetivo es batir el récord de solucionar el problema del vector más corto (SVP) en estructuras euclidianas", dice Chen-Mou. "El problema juega un papel importante en el campo de la ciencia informática. Estimamos que podríamos necesitar 1 000 horas de instancias cg1.4xlarge. Terminamos usando 50 instancias cg1.4xlarge para alrededor de 10 horas para solucionar nuestro problema. Ahora, los vectores que encontramos se consideran los SVP más difíciles que se han resuelto hasta ahora. Solo gastamos 2 300 USD por usar los 100 Tesla M2050 por 10 horas, lo que es un buen negocio”.

Desde que cambió a AWS, el grupo indica que se han reducido los costes de mantenimiento de la máquina, y han tenido más capacidad informática estable y escalable. El componente favorito del grupo de AWS es Amazon CloudWatch, que suele controlar las utilidades informáticas y al mismo tiempo mejora su programa.

Pensando en el futuro, Chen-Mou dice: “Queremos aumentar nuestra parte de GPU Cluster y solucionar una dimensión más alta de SVP. También consideramos rentar una máquina de AWS para configurar un servidor SVN”.

Para obtener más información acerca de cómo AWS puede ayudarle a procesar y analizar big data, visite nuestra página de Big data: http://aws.amazon.com/big-data/.