Amazon Web Services ブログ

Tag: hpc

【開催報告】 「AWSで実現するクラウドHPC ~最新CPUとカスタマー事例から学ぶ HPC on AWS の現在~」セミナー

ソリューションアーキテクトの宮本です。2021年10月20日に「AWSで実現するクラウドHPC ~最新CPUとカスタマー事例から学ぶ HPC on AWS の現在~」をオンライン開催しました。本セミナーでは、Amazon Web Services 上で実行する HPC(ハイパフォーマンスコンピューティング)につきましてAWS上で利用可能な最新CPUアーキテクチャや、実際の活用事例を中心にご紹介しました。セミナーの前半では、AWSからクラウドHPCの全般的な解説だけでなく、インテル様、AMD様より各社の最新CPUアーキテクチャについてご紹介いただきました。 後半では、製造や金融の領域で、実際にHPCをAWS上で利用されているお客様・ソフトウェアベンダー様にご登壇いただき、「実際のところ」をお話いただきました。 本記事では、発表内容の概要と、発表資料を掲載しています。

Read More

AWS Batch ベストプラクティスまとめ

この記事はプリンシパル HPC ソリューションアーキテクトの Pierre-Yves Aquilanti、AWS Batch のプリンシパルプロダクトマネージャの Steve Kendrex とプリンシパル HPC アプリケーションエンジニアの Matt Koop によるものです。 更新: 2021 年 10 月 5 日 セクション 2 に於けるサブネット CIDR ブロックのガイドラインを修正。 AWS Batch は、科学者や技術者が複雑なシステム構成を管理する必要なく、自由にスケールできる計算環境を提供するサービスです。2017 年に登場して以来、疫学、ゲームシミュレーション、大規模機械学習といった諸々のワークロードを稼動させる様々な業種や組織といったお客様に採用されてきました。 この投稿では、色々なお客様向けに計算環境の最適化をしてきた経験を元に、私達が作り上げたベストプラクティスと実践的ガイドラインを紹介します。AWS Batch で Amazon EC2 スポットインスタンスを使う事でコスト面での最適化をする方法や、問題が発生した場合どのように対応すれば良いのか、コンテナを利用した大規模な構成を学ぶことができるでしょう。

Read More

Ansys LS-DYNA のチェックポイント機能でスポットインスタンスのコストを最適化する方法

この投稿はシニアパートナーソリューションアーキテクト (HPC) の Dnyanesh Digraskar とシニアパートナーデベロップメントマネージャの Amit Varde によるものです。 様々な組織がハイパフォーマンスコンピューティング (HPC) のワークロードを、高い可用性、柔軟なキャパシティ、最新のプロセッサやストレージ、ネットワーク——そしてこれらは従量課金で使った分だけの支払いになる——といった利点を理由にオンプレミスのインフラストラクチャから Amazon Web Services (AWS) へと移行しています。これらの便益は有限要素分析 (Finite Element Analysis、FEA) のような、CPU やメモリを多く必要とするワークロードでコストを減少したりより短い時間で結果を得られるようになることで、エンジニアリングチームに利します。 FEA のワークロードを AWS で実行する時、コスト面で支配的な要素は Amazon EC2 インスタンスの利用料です。このような場面で Amazon EC2 スポットインスタンスはコスト効率の高い選択肢になります。スポットインスタンスは Amazon EC2 サービスの未使用のキャパシティを活用し、オンデマンドインスタンスの価格と比べて最大 90% の割引で EC2 インスタンスを使うことができる購入オプションです。 この記事では、Ansys LS-DYNA のチェックポイント機能と自動再開ユーティリティをスポットインスタンスと組み合わせることでフォールトトレラントな FEA ワークロードを構築しつつ、スポットインスタンスによるコスト削減の利益を享受する方法を紹介します。

Read More

AWS上でのハーモニー数値気象予報モデルの実行

この記事は、2021 年 9 月 30 日に Jacob Poulsen と Karthik Raman によって投稿された「Running the Harmonie numerical weather prediction model on AWS」をソリューションアーキテクトの小野が翻訳したものです。 この投稿は、Danish Meteorological Institute (デンマーク気象協会、DMI) のシニア HPC リサーチャーの Jacob Poulsen 及び AWS のシニア HPC ソリューションアーキテクトの Karthik Raman の寄稿によるものです。 デンマーク気象協会 (DMI) はデンマーク王国全体の大気、気候、海洋モデルの作成を担当しています。DMI と協力してハーモニー数値気象予報モデル (Harmonie Numerical Weather Prediction) を使用した完全な数値予報 (NWP) サイクルのデータフローを AWS 上に移行して実行しました。移行と運用に関するレポートは ACCORD コミュニティニュースレターで確認できます。 このブログ投稿では、そのレポートを拡張し AWS で […]

Read More
cost-effective

[AWS Black Belt Online Seminar] CON465 AWS Batch x Spot: AWS Fargate 対応記念 EC2との使い分けは? 資料公開

AWS Black Belt オンラインセミナー「CON465 AWS Batch x Spot: AWS Fargate 対応記念 EC2 との使い分けは?」を公開します。 視聴は YouTube から、資料閲覧は SlideShare から可能です。 AWS Batch は、スーパーコンピュータで行われるような大規模なバッチ処理のための環境をフルマネージドで提供するサービスです。このような大規模バッチ処理では、即時性よりも、計算環境のスケーラビリティが重視されますが、AWS Batch では実行したい処理をコンテナとして用意するだけで、同時に数百~数万の処理を行うことが可能となります(定時バッチのような処理とは概念が異なりますのでご注意ください)。 今回のセッションでは、この AWS Batch に2020年12月に追加された、コンテナを Amazon EC2 インスタンス上ではなく Fargate / Fargate Spot 上で実行する機能にフォーカスしてご紹介しました。特に、ジョブの起動にかかる時間が EC2 と Fargate で、考え方が異なる点は、使い分けのための重要なポイントになっています。それに加え、Spot インスタンス、Fargate Spot の活用方法についてもご紹介しております。AWS Batch を利用するうえで、EC2 と Fargate の選択に悩んだり、Spot インスタンス、Fargate Spot の活用でコストを削減したい方は是非ご視聴ください。 また、本セッションと合わせて「Amazon Elastic Container Service − […]

Read More

AWS ParallelCluster 3のご紹介

この記事は、2021年9月10日にBrendan BoufflerとRye Robinsonによって投稿された「New: Introducing AWS ParallelCluster 3」をソリューションアーキテクトの小野が翻訳したものです。 コンピュータによる流体力学や分子動力学、天気予報といった一般的なHPCワークロードを走らせるという事は、沢山の関連するコンポーネントを動かすという事でもあります。数百あるいは数千ものCPUコアやそれらを管理するジョブスケジューラ、スループットやIOPSに最適化された共有ファイルシステム、数多のライブラリ、高速なネットワーク、それらをまとめるヘッドノード等が必要です。これらは研究者のようなHPCワークロードの利用者にとっては単に必要最低限のものであって、このコンポーネントを揃える事が目的ではありません。クラウドに移行する事によって、より本質的な事——例えばあなたが研究者なのであれば、研究所の同僚が解答を待っているような問題を解き明かす事——に集中する事ができます。

Read More

AWS でのバイオ医薬品プロセス開発のためのマルチフィジックスシミュレーションのデプロイ

本ブログは “Deploying multi-physics simulations for biopharma process development on AWS” を翻訳したものです。 このブログは、Amgen のデータサイエンス担当シニアマネージャー Fabrice Schlegel、Amgen のシニアアソシエイトソフトウェアエンジニア Joao Alberto de Faria、AWS のシニアSA Ammar Latif、および AWS のプリンシパル HPC スペシャリスト SA Pierre-Yves Aquilanti が共同執筆しました。 Amgen は、バイオ医薬品のプロセスに関する洞察を得るために、計算モデリングに依存しています。モデリングは、ラピッドプロトタイピングによって製品設計を改善し、シミュレーションサイクルタイムを短縮します。さらに、これらの計算モデルは、総開発コストの削減、製品プロセス開発サイクルの短縮、市場投入までの時間の短縮に役立ちます。 これらのマルチフィジックス計算モデルは、熱伝達や化学などの構造力学、計算流体力学(CFD)などを網羅しています。多くの場合、CPUとメモリを大量に消費し、強力なコンピュータまたはコンピュータのクラスタを解決する必要があります。このような大規模なクラスタは、ハイパフォーマンスコンピューティング (HPC) 環境と呼ばれます。 Amgen Digital Integration and Predictive Technologies (DIPT) および情報システム (IS) チームは、現在の AWS クラウドインフラストラクチャの拡張として、オープンソースソリューションの Scale-Out Computing on AWS (SOCA) に基づいて HPC […]

Read More