• 3 min read

Virtuelle Azure HBv3-Computer für HPC, jetzt bis zu 80 Prozent schneller mit AMD Milan-X CPUs

Wir kündigen an, dass eine private Vorschau jetzt für virtuelle Azure HBv3-Computer live ist, die von AMD EPYC 3rd Gen-Prozessoren mit 3D v-Cache, codenamet "Milan-X", erweitert werden. Diese Prozessoren verbessern die Leistung, Skalierungseffizienz und Kosteneffizienz einer Vielzahl von Speicherleistungs-gebundenen Workloads wie CFD, explizite finite Elementanalyse, computergestützte Geowissenschaften, Wettersimulation und Silicon Design RTL-Workflows.

Vorschau live heute verfügbar, in Kürze verfügbar

Wir kündigen an, dass jetzt eine Vorschau für virtuelle Azure HBv3-Computer live ist, die durch 3. Generation AMD EPYC-Prozessoren™ mit AMD 3D V-Cache erweitert wurden, codenamed "Milan-X". Diese Prozessoren verbessern die Leistung, Skalierungseffizienz und Kosteneffizienz einer Vielzahl von Speicherleistungs-gebundenen Workloads wie CFD, explizite finite Elementanalyse, computergestützte Geowissenschaften, Wettersimulation und Silicon Design RTL-Workflows.

Im Vergleich zur aktuellen HBv3-Serie mit AMD EPYC-Prozessoren der 3. Generation werden Kunden bereits die höchste Leistung für HPC-Workloads in der öffentlichen Cloud erleben:

  • 80 Prozent höhere Performance für CFD
  • 60 Prozent höhere Leistung für EDA RTL
  • 50 Prozent höhere Leistung für explizite FEA
  • 19 Prozent höhere Leistung für die Wettersimulation

Darüber hinaus werden alle VMs der HBv3-Serie weltweit mit Milan-X-Prozessoren aktualisiert. Dieses Upgrade wird ohne zusätzliche Kosten bereitgestellt, die über die bestehenden Preise für VMs der HBv3-Serie hinausgehen, und ohne Änderungen, die für Kundenworkloads erforderlich sind. An der VM-Serie HBv3 werden keine weiteren Änderungen vorgenommen, die Kunden bereits kennen und auf ihre kritischen Forschungs- und Geschäftsarbeitslasten angewiesen sind. Weitere Informationen zur Azure HBv3-Serie finden Sie in der offiziellen Dokumentation.

Turboladespeicherleistungsgebundene HPC-Workloads

Viele HPC-Workloads werden in erster Linie durch die Speicherleistung gesteuert. Für einige, z. B. die Rechenflüssigkeitsdynamik, wird die Leistung direkt durch die Speicherbandbreite gesteuert. Für andere, wie z. B. RTL-Simulationen, die die Arbeitshorseanwendung für Siliziumdesignfirmen ist, bedeutet dies die Speicherlatenz. Das bevorstehende Upgrade auf VMs der HBv3-Serie wird beide Anforderungen erfüllen, indem der L3-Cachespeicher auf ein beispielloses 1,5 Gigabyte pro virtueller Computer anwächst. Dies ist dreimal größer als das, was in den standard 3RD EPYC-Prozessoren zurzeit in VMs der HBv3-Serie zu finden ist, und mehr als 25 Mal größer als der gesamte L3-Cache, der in den meisten HPC-Servern in Kundendatencentern zu finden ist.

Damit speicherbandgebundene Workloads in geeigneter Größenordnung ausgeführt werden können, ist der Nettoeffekt des größeren L3-Caches eine Erhöhung der effektiven Speicherbandbreite um bis zu 1,8x. Dies bedeutet, dass eine HBv3-VM, die heute 350 GB/s (gemessen durch STREAM-TRIAD) bietet, bald mehr als eine VM mit mehr als 600 GB/s Speicherbandbreite ausführen wird.

Bei speicherlatenzgebundenen Workloads ist der Nettoeffekt des größeren L3-Caches in Mailand-X-Prozessoren eine Erhöhung der Cachetreffrate von bis zu 50 Prozent und ein gesamter Cachelatenzbereich (Latenz von einem Kern bis zu den nächstgelegenen und weitesten Benachbarten Kernen), die dagegen 50 Prozent niedriger als standard 3rd EPYC-Prozessoren sind.

Im Folgenden finden Sie ein Beispiel für die leistungsorientierten Ergebnisse mit Azure HBv3-VMs, die mit Milan-X-Prozessoren verbessert wurden, verglichen mit der vorhandenen HBv3-Serie mit standard 3rd EPYC-Prozessoren. Tests wurden in einer Reihe von MPI-Skalierungsszenarien durchgeführt, von 2 bis 64 VMs (240 bis 7.680 CPU-Kerne).

An image of Relative HPC Performance showcasing a bar chart where benchmarks were taken with WRF v. 4.15, OpenFOAM v. 1912, and Ansys Fluent 2021 R1

Abbildung 1: Benchmarks wurden mit WRF v. 4.15, OpenFOAM v. 1912 und Ansys Fluent 2021 R1 aufgenommen.

Erfahren Sie mehr über Leistung und Skalierbarkeit.

Je mehr Sie skalieren, desto weniger zahlen Sie ... nein, wirklich

Azures Nutzung von NVIDIA Quantum InfiniBand Networking von unseren Partnern bei NVIDIA ermöglicht es Kunden bereits, MPI-Workloads auf Supercomputerhöhen zu skalieren. Mailand-X-Prozessoren in der HBv3-Serie erhöhen den Balken noch einmal, indem sie über lineare Skalierungseffizienz in einer Reihe von MPI-Workloads und -Modellen hinweg liefern. Dies bedeutet, dass Kunden aufgrund einer erheblich schnelleren Zeit-zu-Lösung tatsächlich auf Azure-Computekosten sparen. Nachfolgend finden Sie ein Beispiel für diese Funktion in Aktion mit Ansys Fluent und der kanonischen F1_racerar_140m Simulation. HBv3-VMs mit Milan-X-Prozessoren liefern fast 200 Prozent Skalierungseffizienz, indem sie eine 127-fach höhere Leistung für nur 64 VMs erzielen, die die Berechnung wert sind.

An image of line chart with an upward trend showing the measured scaling efficiency from 1 to 64 VMs using ANSYS Fluent 2021 R1

Abbildung 2: Gemessene Skalierungseffizienz von 1 bis 64 VMs mit ANSYS Fluent 2021 R1

Erfahren Sie mehr über Leistung und Skalierbarkeit in einer Reihe von Anwendungen, Modellen und Konfigurationen.

Kontinuierliche Verbesserung für Azure HPC-Kunden

Microsoft und AMD teilen eine Vision für eine neue Ära von Hochleistungs-Computing in der Cloud: einer, der durch kontinuierliche Verbesserungen der kritischen Forschungs- und Geschäftsarbeitslasten definiert wurde, die für unsere Kunden am wichtigsten sind. Azure hat sich mit AMD zusammengetan, um diese Vision zu einer Realität zu machen, indem wir die Leiste für Leistung, Skalierbarkeit und Wert erhöhen, die wir mit jeder Version virtueller Azure HB-Serie-Computer bereitstellen.

Azure HPC performance 2019 through 2021

Abbildung 3: Azure HPC-Leistung 2019 bis 2021

Wir freuen uns darauf, Mailand-X-Prozessoren bald in der HBv3-Serie virtueller Maschinen an alle Azure HPC-Kunden zu bringen und freuen uns darauf, alle in der Vorschau zu sehen.