互联网技术 / 互联网资讯 · 2023年12月5日 0

Graviton2处理器提升40%性价比,AWS中国高管揭秘背后技术

2月5日消息,日前,亚马逊云服务(AWS)正式宣布,由 AWS GRavITon2 处理器提供支持的 AMazon Elastic CoMpute Cloud (AMazon EC2) M6g、C6g 和 R6g 实例已在由光环新网运营的 AWS 中国(北京)地区和由西云数据运营的 AWS 中国(宁夏)区域推出。这是AWS自研处理器首次落地中国区域。

截至2021年1月,AWS推出了近400种AMazon EC2实例,被全球几百万客户广泛使用。

Graviton2处理器提升40%性价比,AWS中国高管揭秘背后技术

作为一款AWS自研、基于ARM架构、原生为云而设计开发的芯片,AWS GRavITon2 处理器于2019年12月在AWS Re:Invent大会上正式发布。历时1年多正式落地中国,AWS大中华区云服务产品管理总经理顾凡表示,GRavITon2 处理器将给客户带来很多惊喜,GRavITon2的使用场景会打破大家对于ARM在企业级应用适用范围的原有认知。

事实上,因为海外业务需求增长,国内企业涂鸦智能和大觥科技均已率先采用GRavITon2 处理器支持的AMazon EC2实例来赋能公司业务发展。

Graviton2处理器提升40%性价比,AWS中国高管揭秘背后技术

据涂鸦云端开发部首席架构师陈亚焱介绍,涂鸦提供全球化AI+IoT平台,每天处理设备请求840亿次,请求高峰达150万次/秒,日处理1.2亿次AI语音交互。去年的黑五、圣诞、元旦,涂鸦均迎来一波流量增长高峰,这就要求平台必须做到非常实时的扩容。目前涂鸦已经将公司约40%的实例切换至GRavITon2架构的实例上。基于GRavITon2实例,涂鸦CPU性能提升100%,CPU占用率从之前的27%降到12%;服务器单价降低20%,整体性价比提升2.5倍。

大觥科技有限公司是一家专注AI影像处理领域科研和应用的公司,该公司服务多家电影厂、电视台、影视后期等企业级客户,同时针对个人用户,推出了国内app“你我当年&Rdquo;,以及海外app“Remini&Rdquo;。大觥科技副总裁袁泉介绍,2020年2月,海外ReMini业务量出现猛烈增长,使得公司算力支持遇到瓶颈,于是开始跟AWS合作。通过对比GRavITon系列的C6g和传统架构的C5.laRge两款机型,发现C6g在性能上提升了30%,在成本上节约了38%。

根据AWS官方提供的更全面的对比测试数据显示,与同配置X86实例相比,由AWS GRavITon2处理器提供支持的AMazon EC2 M6g、C6g和R6g实例的性价比提高了40%。

GRavITon2处理器何以有如此高的性能提升,近日AWS大中华区云服务产品管理总经理顾凡和AWS大中华区产品部计算与存储总监周舸接受了TechWeb等的采访,对GRavITon2处理器及其支持的EC2实例背后的关键技术及产品服务发展战略进行了解读。

Graviton2处理器提升40%性价比,AWS中国高管揭秘背后技术

第一条是AWS NITRo。2017年AWS第一次公开介绍NITRo,NITRo的研发升级旨在为用户提供更高的网络访问性能。到2020年,NITRo已经发展到了第四代。NITRo架构及NITRo卡的升级迭代,让AWS网络能力从最初10G的时代跨入到100G再到2020年的400G,存储带宽能力提升好几倍。

周舸介绍,设计GRavITon2的目标很简单,希望每一个核在GRavITon2里面,都能够达到最好的真实性能,满足客户现代化应用的需要。同时,我们希望在一个CPU里,放尽量多独立的核,以便最大程度的让它充分发挥平行扩展的能力。

Graviton2处理器提升40%性价比,AWS中国高管揭秘背后技术

周舸强调, 基于GRavITon2的C6g.laRge实例一级缓存多了4倍,二级缓存增大2倍。这些都充分让GRavITon2内核的CPU能够最大程度的适应云原生可平行扩展的微服务化应用,能够充分发挥它的能力。这是我们设计GRavITon2的最关键的一些特点。

目前,AWS GRavITon2 处理器提供支持的 AMazon EC2 M6g、C6g 和 R6g 实例已经正式落地中国。

其中,AMazon EC2 M6g为通用型实例,为工作负载提供均衡的计算、内存和网络资源,可用于开源软件应用程序,例如微服务、游戏服务器和消息队列等;C6g为计算优化型实例,计算资源配比较高,适用于计算密集型应用程序,例如高性能计算、批处理、广告服务、视频编码、游戏、科学建模、分布式分析和基于CPU的机器学习推理等工作负载;R6g为内存优化型实例,内存资源配比较高,适用于内存密集型应用程序,例如开源数据库、内存数据库和实时大数据分析。三类实例都分别有8种资源大小可供选择,分别为1个、2个、4个、8个、16个、32个、48个和64个vCPU,并且可以作为按需实例、预留实例或Spot实例购买,充分体现了云计算资源配置的灵活性。