快速密碼學實驗室是台灣的國立臺灣大學內的一個研究團隊。這個團隊的研究活動著重於設計和分析有效率的演算法以解決重要的數學問題,並在大規模並行電腦上發展和實作這些演算法。

該團隊在註冊 Amazon Web Services (AWS) 之前是使用私有雲端,並在自己的電腦上執行 Hadoop。快速密碼學實驗室計劃主持人鄭振牟教授解釋研究團隊改用 AWS 的原因:「AWS 清楚且靈活的界面,讓我們非常輕鬆就上手。Amazon Elastic Compute Cloud (Amazon EC2) 為不同性質的問題提供一個通用的成本計算方法。對於相同或類似的問題,Amazon EC2 也可以做為比較替代演算法或演算法競爭及其實作的指標。

鄭教授繼續解釋:「使用 Amazon EC2 做為指標時,會將演算法的可平行性或實作的可平行性明確列入考量,而不是使用假設或未指定。因此 Amazon EC2 指標不僅實際,而且易於使用。」

團隊目前在他們的架構中使用 Hadoop 串流,並搭配 Amazon Elastic MapReduce (Amazon EMR) 和 Amazon EC2 叢集 GPU 執行個體執行程式。

鄭教授說:「我們的目的是打破解決歐幾里德模格幾何中最短格向量問題 (SVP) 的記錄。」「這個問題在資訊科學領域中扮演重要的角色。我們原先預估將需要 1,000 個 cg1.4xlarge 執行個體小時。結果,使用 50 cg1.4xlarge 執行個體,大約 10 個小時就解決問題。現在,我們所發現的向量是目前已解出的 SVP 中最難解的一個。而且,我們使用 100 個 Tesla M2050 運算 10 個小時,只花了 2,300 USD,這相當划算。」

換成使用 AWS 之後,團隊指出不僅機器維護的成本降低,運算能力也更穩定且可擴展性更佳。團隊最愛的 AWS 元件是 Amazon CloudWatch,其可用來監看電腦效用,同時改善他們的程式。

展望未來,鄭教授表示:「我們想要提高 GPU 叢集的配額,以及解決更高維度的 SVP。我們也在考慮租用 AWS 機器來設置一個 SVN 伺服器。」

要進一步了解 AWS 如何協助您存放和處理大數據,請瀏覽我們的大數據詳細資訊頁面:http://aws.amazon.com/big-data/