Fast Crypto Lab は台湾にある国立台湾大学内の研究グループです。このグループの研究活動は、重要な数学の問題を解決するための効率的なアルゴリズムの設計と解析のみでなく、超並列コンピュータ上でのこれらのアルゴリズムの開発と実装に焦点を当てています。

アマゾン ウェブ サービス (AWS) と契約する前は、プライベートクラウドを使用しており、自前のマシンで Hadoop を実行していました。Fast Crypto Lab の研究責任者である鄭振牟教授は、AWS に切り替えた理由を次のように説明しています。「AWS はわかりやすい柔軟なインターフェイスを備えており、始めるのが非常に簡単でした。Amazon Elastic Compute Cloud (Amazon EC2) は異なる性質をもつ問題を測る、共通の基準を提供します。同一の問題や類似の問題についても、代替アルゴリズムや競合アルゴリズム、その実装と比較するためのメトリクスとして Amazon EC2 を使用できます」

振牟教授はさらに次のように付け加えました。「Amazon EC2 をメトリクスとして使用する場合、アルゴリズムまたは実装を並行処理できることが明確な考慮事項です。そうだろうとか、わからないというのではいけません。その面でも、Amazon EC2 メトリクスの指標は実用的で使いやすいと言えます」

同グループでは、アーキテクチャで Hadoop Streaming を使用し、Amazon Elastic MapReduce (Amazon EMR) と Amazon EC2 のクラスター GPU インスタンスでプログラムを実行しています。

「私たちの目的は、ユークリッド格子の最短ベクトル問題 (SVP) の記録を打ち破ることです」と振牟教授は言い、次のように続けました。「この問題は情報サイエンスの分野で重要な役割を持っています。そのために、cg1.4xlarge のインスタンス時間が 1,000 時間必要だと見積もっています。問題を解くために、最終的に、約 10 時間で 50 個の cg1.4xlarge インスタンスを使いました。発見したベクトルは、これまでに解かれた中で最も難しい SVP であったと考えられています。100 台の Tesla M2050 を 10 時間使用するために費やしたコストはわずか 2,300 USD で、非常にお得でした」

AWS に切り替えてから、同グループではマシンのメンテナンスコストを削減でき、スケーラブルで、安定した計算能力を利用することができました。同グループが気に入っている AWS のコンポーネントは、コンピュータユーリティティを監視しながらプログラムの改善にも使用できる、Amazon CloudWatch です。

将来を見据えて、振牟教授はこう言います。「GPU クラスターの見積りを増やして、より高いディメンションの SVP を解いていきたいです。SVN サーバーを設定するために、AWS マシンをレンタルすることも検討しています」

AWS がビッグデータの格納と処理にどのように役立つのかについては、ビッグデータ詳細ページ http://aws.amazon.com/big-data/ をご覧ください。