Fast Crypto Lab은 타이완에 있는 국립 대만 대학교 내 연구 그룹입니다. 이 그룹은 중요한 수학 문제를 해결하기 위한 효율적 알고리즘의 설계 및 분석과 대규모 병렬 컴퓨터에서의 알고리즘 개발 및 구현을 집중적으로 연구합니다.

Amazon Web Services(AWS)와 계약하기 전에 이 그룹은 프라이빗 클라우드를 사용했고 자체 머신에서 하둡을 운영했습니다. Fast Crypto Lab의 수석 연구원인 Chen-Mou Cheng 교수는 연구 그룹이 AWS로 전환한 이유를 이렇게 설명합니다. "AWS는 인터페이스가 깔끔하고 유연해서 시작하기가 아주 쉽습니다. Amazon Elastic Compute Cloud(Amazon EC2)는 성격이 각기 다른 여러 문제의 공통적 비용 척도를 제공합니다. 동일하거나 유사한 문제의 경우, Amazon EC2를 대안적 알고리즘이나 경쟁적 알고리즘과 그 구현을 비교하는 지표로도 사용할 수 있습니다."

Chen-Mou는 "Amazon EC2를 지표로 사용하면 알고리즘의 병렬성 또는 구현의 병렬화가 가정되거나 미지정되지 않고 명시적으로 고려됩니다. 따라서 Amazon EC2 지표는 실용적이면서 사용하기도 쉽습니다."라고 덧붙였습니다.

현재 Fast Crypto Lab은 아키텍처에서 하둡 스트리밍을 사용하며, Amazon Elastic MapReduce(Amazon EMR)와 Amazon EC2용 클러스터 GPU 인스턴스를 사용하여 프로그램을 실행합니다.

"우리 목표는 유클리드 격자에서 SVP(Shortest Vector Problem) 해결 기록을 깨는 것입니다."라고 Chen-Mou는 말합니다. "이 문제는 정보 과학 분야에서 중요한 역할을 합니다. 추정으로는 1,000 cg1.4xlarge 인스턴스 시간이 필요할 겁니다. 우리 문제를 푸는 데는 약 10시간 동안 50 cg1.4xlarge 인스턴스를 사용했습니다. 우리가 발견한 벡터는 지금까지 풀었던 것 중 가장 어려운 SVP로 간주되고 있습니다. 우리는 10시간 동안 100 Tesla M2050을 사용하는 데 2,300 USD만 썼는데, 상당히 좋은 결과입니다."

Fast Crypto Lab은 AWS로 전환한 이후 머신 유지 관리 비용이 줄어들었고 보다 안정적이며 확장 가능한 연산 능력을 경험하게 되었다고 밝히고 있습니다. Fast Crypto Lab은 가장 좋아하는 AWS 구성 요소인 Amazon CloudWatch를 사용하여 컴퓨터 유틸리티를 모니터링하고 프로그램을 개선합니다.

Chen-Mou는 앞으로 "GPU 클러스터 견적을 늘리고 보다 고차원의 SVP를 해결하고 싶습니다. SVN 서버 구축을 위해 AWS 머신을 임대하는 것도 고려하고 있습니다."라고 말합니다.

AWS가 빅 데이터 저장과 처리에 어떤 도움을 줄 수 있는지 자세히 알아보려면 AWS 빅 데이터 세부 정보 페이지(http://aws.amazon.com/big-data/)를 방문하십시오.