Amazon EC2 UltraClusters

大規模執行高效能運算 (HPC) 和機器學習 (ML) 應用程式

為何選擇 Amazon EC2 UltraClusters？

Amazon Elastic Compute Cloud (Amazon EC2) UltraClusters 可協助您擴展至數千個 GPU 或專門打造的 ML 加速器 (例如 AWS Trainium)，以取得超級電腦的隨需存取。它們透過依用量計費用量模型，不需任何設定或維護成本，為機器學習 (ML)、生成式 AI和高效能運算 (HPC) 開發人員將超級運算類別效能的存取大眾化。Amazon EC2 P5 執行個體、Amazon EC2 P4d 執行個體和 Amazon EC2 Trn1 執行個體都部署在 Amazon EC2 UltraClusters 中。

EC2 UltraClusters 由數千個加速 EC2 執行個體組成，共置在指定 AWS 可用區域，並且使用 PB 規模非阻攔式網路中的 Elastic Fabric Adapter (EFA) 網路互連。EC2 UltraClusters 也提供 Amazon FSx for Lustre 的存取，這是建置在最熱門高效能、平行檔案系統上的全受管共用儲存，快速隨需和大規模處理大量資料集，且延遲低於一毫秒。EC2 UltraCluster 為分散式 ML 訓練和緊密連接的 HPC 工作負載提供擴展功能。

Amazon EC2 P5 和 Trn1 執行個體使用第二代 EC2 UltraClusters 架構，該架構提供網路網狀架構，以獲得更少的跨叢集跳轉、更低的延遲和更大的規模。

優勢

為分散式訓練和 HPC 加快解決方案的時間

EC2 UltraClusters 可協助您將訓練時間和解決方案產生時間從數週縮短為數天。這有助於您以更快的步驟進行迭代，並更快地將深度學習 (DL)、生成式 AI 和 HPC 應用程式推出市場。

隨需存取 exascale 超級電腦

P5 執行個體是部署在 EC2 UltraClusters 中，具有高達 20,000 個 H100 GPU，提供超過 20 個 exaflop 的彙總運算能力。同樣地，Trn1 執行個體可擴展至 30,000 個 Trainium 加速器，而 P4 執行個體可擴展至 10,000 個 A100 GPU，以隨需提供 exascale 運算。

最佳化效能與成本的彈性

在不斷增長的 EC2 執行個體清單中支援 EC2 UltraCluster，讓您靈活選擇合適的運算選項，以最大化效能，同時控制工作負載的成本。

功能

高效能聯網

在 EC2 UltraCluster 中部署的 EC2 執行個體與 EFA 網路相互連，以提高分散式訓練工作負載和緊密連接的 HPC 工作負載的效能。P5 執行個體提供高達 3,200 Gbps；Trn1 執行個體提供高達 1,600 Gbps；而 P4d 執行個體提供高達 400 Gbps 的 EFA 網路。EFA 也與 NVIDIA GPUDirect RDMA (P5、P4d) 和 NeuronLink (Trn1) 搭配，在具有作業系統旁路功能的伺服器之間啟用低延遲加速器對加速器通訊。

高效能儲存

EC2 UltraClusters 使用 FSx for Lustre，這是在最熱門高效能平行檔案系統上建置的全受管共用儲存空間。使用 FSx for Lustre，您可以快速隨需和大規模處理大量資料集，並且提供低於一毫秒的延遲。FSx for Lustre 的低延遲和高輸送量特性已針對 EC2 UltraCluster 上的 DL、生成式 AI 和 HPC 工作負載進行最佳化。FSx for Lustre 可持續為 EC2 UltraCluster 中的 GPU 和 ML 加速器饋送資料，加速最嚴苛的工作負載。這些工作負載包括大型語言模型 (LLM) 訓練、生成式 AI 推論、DL、基因體學和財務風險建模。您也可以透過 Amazon Simple Storage Service (Amazon S3) 存取幾乎無限制且具成本效益的儲存空間。