New EC2 Instance Tipe - The Cluster GPU Instance

PreneurToday - Hmm, uda lma ne gak berbagi info..  ^_^
Kali ini PreneurToday akan sharing tentang yang kata orang di sebut teknologi Tesla GPU Procesing..
Teknologi yang bagus untuk teknis Cracking, dan Teknologi ini sudah masuk pada VgA yg sebelumnya hanya berkutik di Procesing saja..
Langsung Cek aja yux...!!!

Jika Anda memiliki kartu video mid-range atau high-end di PC desktop Anda, mungkin berisi prosesor khusus yang disebut GPU atau Graphics Processing Unit. Set instruksi dan arsitektur memori dari GPU dirancang untuk menangani jenis operasi yang diperlukan untuk menampilkan grafis yang kompleks dengan kecepatan tinggi. Instruksi set biasanya mencakup instruksi untuk memanipulasi titik dalam ruang 2D atau 3D dan untuk melakukan jenis perhitungan maju. Arsitektur GPU juga dirancang untuk menangani aliran panjang (biasanya dikenal sebagai vektor) dari poin dengan efisiensi yang besar. Ini mengambil bentuk pipa dalam dan lebar, tinggi-bandwidth akses ke memori.

 Beberapa tahun yang lalu maju pengembang aplikasi numerik dan ilmiah mulai menggunakan GPU untuk melakukan tujuan umum perhitungan, disebut GPGPU, untuk General-Purpose komputasi pada Unit Pengolahan Graphics. Pengembangan aplikasi terus tumbuh sebagai tuntutan aplikasi tambahan banyak bertemu dengan kemajuan teknologi GPU, termasuk titik presisi ganda floating kinerja tinggi dan memori ECC. Namun, aksesibilitas untuk high-end seperti teknologi, terutama pada infrastruktur HPC cluster untuk aplikasi erat digabungkan, sudah sulit bagi banyak pengembang. Hari ini kami memperkenalkan contoh terbaru kami jenis EC2 (this makes eleven, if you are counting at home)yang disebut Cluster GPU Instance. Sekarang setiap pengguna AWS dapat mengembangkan dan menjalankan GPGPU pada biaya-efektif, pay-as-you-go basis.
Mirip dengan jenis Cluster Compute Instance yang kita diperkenalkan awal tahun ini, Instance Cluster GPU (cg1.4xlarge jika Anda menggunakan API EC2) memiliki spesifikasi sebagai berikut:

• A pair of NVIDIA Tesla M2050 "Fermi" GPUs.
• A pair of quad-core Intel "Nehalem" X5570 processors offering 33.5 ECUs (EC2 Compute Units).
• 22 GB of RAM.
• 1690 GB of local instance storage.
• 10 Gbps Ethernet, with the ability to create low latency, full bisection bandwidth HPC clusters.

Setiap M2050s Tesla berisi 448 core dan 3 GB RAM ECC dan dirancang untuk memberikan hingga 515 gigaflops double-presisi kinerja ketika mendorong untuk membatasi. Karena contoh masing-masing berisi sepasang prosesor ini, Anda bisa mendapatkan sedikit lebih dari satu triliun FLOPS per contoh Cluster GPU. Dengan kemampuan untuk cluster contoh-contoh di atas 10Gbps Ethernet, kekuatan menghitung disampaikan untuk data paralel yang sangat HPC, rendering, dan aplikasi pengolahan media mengejutkan. Saya suka berpikir itu sebagai sebuah buldoser bertenaga nuklir itu sekitar 1000 kaki lebar yang dapat Anda gunakan untuk hanya $ 2.10 per jam!
Setiap account AWS dapat menggunakan hingga 8 kasus Cluster GPU secara default dengan lebih mudah diakses dengan menghubungi kami. Mirip dengan kasus Cluster Compute, pengaturan default ada untuk membantu kami memahami kebutuhan Anda untuk teknologi awal dan bukan keterbatasan teknologi. Sebagai contoh, kita sekarang telah dihapus ini pengaturan default pada kasus Cluster Compute dan telah lama memiliki pengguna yang menjalankan cluster atas melalui dan di atas 128 node serta menjalankan cluster sekaligus pada skala bervariasi.
Anda harus mengembangkan atau memanfaatkan beberapa kode khusus untuk mencapai kinerja GPU optimal, tentu saja. GPU Tesla menerapkan arsitektur CUDA. 

Setelah menginstal driver NVIDIA terbaru pada contoh Anda, Anda dapat memanfaatkan GPU Tesla dalam sejumlah cara yang berbeda:

• You can write directly to the low-level CUDA Driver API.
• You can use higher-level functions in the C Runtime for CUDA.
• You can use existing higher-level languages such as FORTRAN, Python, C, C++, Java, or Ruby.
• You can use CUDA versions of well-established packages such as CUBLAS (BLAS), CUFFT (FFT), and LAPACK.
• You can build new applications in OpenCL (Open Compute Language), a new cross-vendor standard for heterogeneous computing.
• You can run existing applications that have been adapted to make use of CUDA.

Elastis MapReduce sekarang dapat mengambil keuntungan dari Compute Cluster dan GPU Cluster contoh, memberikan Anda kemampuan untuk menggabungkan arsitektur pemrosesan paralel secara besar-besaran Hadoop dengan komputasi kinerja tinggi. Anda dapat fokus pada aplikasi Anda dan elastis MapReduce akan menangani paralelisasi beban kerja, konfigurasi skala, simpul, dan manajemen cluster.Here are some resources to help you to learn more about GPUs and GPU programming:

• NVIDIA GPU Computing Developer Home Page.
• CUDA Toolkit Download.
• CUDA By Example, published earlier this year.
• Programming Massively Parallel Processors, also published this year.
• The gpgpu.org site has a lot of interesting articles.

So, what do you think? Can you make use of this "bulldozer" in your application?

November 15, 2010 in Amazon EC2 | Permalink

TrackBack

TrackBack URL for this entry:
http://www.typepad.com/services/trackback/6a00d8341c534853ef0133f414fa88970b
Listed below are links to weblogs that reference New EC2 Instance Type - The Cluster GPU Instance:

Written By.
PreneurToday
Langsung Follow Link-link yng ada ya untuk info yang lebih dalam..
Salam PreneurToday.

Translate By.
Google Translate

!!!..Semoga Bermanfaat...!!!