Vitenskapelige arbeidslaster og HPC-arbeidslaster
Vitenskapelig databehandling har andre behov enn AI. Mange koder er avhengige av aritmetikk med høy presisjon, og noen skalerer over flere noder med tett kommunikasjon.
Det viktigste
Numerisk presisjon
Noen simuleringer krever formater med høy presisjon. Sjekk at styrkene til en GPU samsvarer med presisjonen koden din bruker.
Programvarekompatibilitet
Bekreft at bibliotekene og verktøykjeden din støtter leverandøren og generasjonen du planlegger å leie.
Behov for sammenkobling
Tett koblede koder trenger raskt nettverk mellom nodene. Helt parallelle koder gjør det ikke.
Datalagringssted
Forskningsdata kan være underlagt regler for hvor de kan behandles.
Et typisk oppsett
Avhenger av koden. Kjør først benchmarks på et lite tilfelle, og skaler deretter til nodene og nettverket den faktisk trenger.
Slik kjøpes det vanligvis
Korte tildelinger on-demand for utforsking, deretter bundet kapasitet når arbeidslasten er forstått.
Vanlige feil
- Å anta at GPU-er optimalisert for AI utmerker seg ved alle presisjoner.
- Å hoppe over en liten benchmark før man binder seg til en stor tildeling.
- Å overse krav til datalagringssted.
Begreper du bør kjenne
Dette er generell veiledning, ikke en anbefaling av en bestemt leverandør eller pris. Se aktuelle tilbud og bekreft tilgjengelighet og vilkår med leverandøren.
Klar til å se på reelle alternativer?
Se sporede tilbud med kilder og datoer, eller be Kova dimensjonere det for deg.