이제 본격적으로 Rescale 플랫폼을 통해 Arm 기반 AWS Graviton3E로 구동되는 Amazon EC2 Hpc7g 인스턴스에서 Ansys LS-DYNA 및 Ansys Fluent 워크로드를 실행할 수 있게 되었다는 기쁜 소식을 전합니다.

Amazon EC2 Hpc7g 인스턴스는 긴밀하게 결합된 컴퓨팅 및 네트워크 집약적인 고성능 컴퓨팅(HPC) 워크로드를 위해 특별 제작된 새로운 인스턴스 유형으로, 커스텀 64비트 Arm 기반 프로세서가 포함되어 있습니다. Arm 기반 아키텍처는 일반적으로 더 많은 코어 수와 와트당 성능, 그리고 열 발생이 적고 방열 성능이 향상된 RISC(축소 명령어 집합 컴퓨팅)에 힘입어 에너지 효율이 높은 것으로 알려져 있습니다. 

Rescale의 워크플로우 자동화 기능과 사용자 친화적인 인터페이스를 통해 Ansys 시뮬레이션을 실행하면 클라우드에서 HPC를 관리할 때 종종 직면하는 많은 복잡성 제거에 유익합니다. Rescale은 FedRAMP, ITAR 등의 외부 인증 및 규정 준수 노력, 데이터 암호화, 계정 설정 및 관리 제어 등 고객의 개인 정보 보호 및 데이터 기밀성 보장을 위해 설계된 다양한 조치를 취함으로써 데이터 보안 위험을 완화하고 있습니다. 

쉽게 말해 앞으로는 Rescale을 통해 클라우드 컴퓨팅 리소스의 탄력성을 활용하면서 Hpc7g 인스턴스에서 Ansys LS-DYNA 및 Ansys Fluent 워크로드를 실행하는 데 사용하는 인프라에 대해서만 비용을 지불할 수 있는 옵션이 제공됩니다. 사용자는 연구와 혁신에만 집중할 수 있으며, 복잡하고 안전한 IT 시스템 관리는 Rescale이 지원합니다.

Arm 기반 아키텍처에서 HPC 워크로드 실행의 이점:

• 비용 : Hpc7g 인스턴스는 컴퓨팅 집약적인 HPC 워크로드를 위해 이전 세대 AWS Graviton 기반 인스턴스에 비해 최대 70% 더 나은 성능과 최대 3배 더 나은 가격 대비 성능을 제공합니다. 
• 에너지 효율: Arm 프로세서는 에너지 효율적인 성능과 전력 소비 감소를 제공하여 전력 사용량을 줄여줍니다. 이를 통해 기업은 탄소 배출량을 줄여 보다 친환경적인 컴퓨팅 인프라를 구축할 수 있습니다.

Arm 기반 아키텍처에서 HPC 워크로드 실행 시 고려해야 할 사항: 

• 올바른 하드웨어 선택: Arm 기반 HPC 시스템용 하드웨어를 선택할 때는 서로 호환되고 HPC 워크로드에 최적화된 구성 요소를 선택하는 것이 중요합니다.
• Arm 프로세서용 소프트웨어 컴파일: Arm 프로세서용으로 사전 컴파일되지 않은 HPC 소프트웨어를 사용하는 경우 직접 컴파일해야 합니다. 이 과정은 복잡할 수 있지만 도움을 받을 수 있는 다양한 리소스가 있습니다.
• 클라우드 플랫폼의 사용: Rescale과 같은 클라우드 플랫폼을 사용하면 Arm 기반 프로세서에서 HPC 워크로드를 더 쉽게 실행할 수 있습니다. 클라우드 플랫폼은 다양한 Arm 기반 하드웨어 및 소프트웨어에 대한 액세스를 제공하며, HPC 워크로드에 필요한 복잡한 인프라와 소프트웨어 관리 측면에도 이점이 있습니다.

Rescale은 이러한 문제를 해결하는 데 도움을 줄 수 있는 플랫폼을 제공하여 Arm 기반 CPU에서 HPC 워크로드를 보다 쉽게 배포하고 관리할 수 있도록 지원합니다. Rescale 플랫폼에는 다음과 같이 가격 대비 성능 최적화를 위한 다양한 기능이 포함되어 있습니다:

• 자동화된 프로비저닝 및 관리: Rescale은 Arm 기반 CPU에서 HPC 클러스터를 자동으로 프로비저닝하고 관리할 수 있어 시간과 리소스의 절약이 가능합니다.
• 최적화된 소프트웨어 스택: Rescale은 성능 향상에 도움이 될 수 있는 Arm 기반 CPU에 사전 최적화된 소프트웨어 스택을 제공합니다.
• 성능 모니터링 및 분석: Rescale은 HPC 워크로드의 성능을 모니터링하고 분석하는 도구를 제공해 성능 병목 현상을 식별하고 해결하는 데 도움을 줍니다.

Rescale의 HPC 엔지니어링 담당 부사장 Mulyanto Poort(물얀토 푸어트)는 "우리는 더 나은 부동소수점 성능과 더 많은 EFA 대역폭을 갖춘 Amazon EC2 Hpc7g 인스턴스에 대해 기대가 큽니다. Hpc7g 인스턴스의 더 나은 가격 대비 성능과 AWS Graviton 프로세서의 에너지 효율성이 결합되어 전산 유체 역학(CFD) 및 다양한 실제 생산 HPC 워크로드에 어떤 영향을 미칠지 벌써부터 기대됩니다"라고 전하며, "Amazon EC2 Hpc7g 인스턴스의 도입은 고객이 탄소 발자국을 줄이면서 디지털 엔지니어링 노력을 더욱 가속화하는 데 도움이 될 것"이라고 설명했습니다.

Amazon EC2 Hpc7g 인스턴스에서 Ansys LS-DYNA 및 Ansys Fluent의 성능 벤치마킹  

Hpc7g 인스턴스는 현재 Rescale에서 Pectolite 코어타입으로 제공됩니다. AWS Graviton3E 인스턴스의 성능을 보여드릴 수 있도록 업계를 선도하는 두 가지 소프트웨어 패키지 Ansys Fluent와 Ansys LS-DYNA를 비교해 보았습니다. 유의미한 비교를 위해 이 두 가지 Arm 64 빌드 패키지의 성능을 이전 세대 Amazon EC2 C6gn AWS Graviton2 기반 인스턴스(Rescale에서 Palladium 코어타입에 해당)와도 비교했습니다. 

Ansys LS-DYNA는 비선형 구조 해석을 위한 암시적 및 명시적 유한 요소법(FEM) 시뮬레이션 도구로, 이는 완성차 산업에서 구조 설계 및 충돌 시뮬레이션에 가장 널리 쓰이는 시뮬레이션 방법 중 하나입니다. 

Ansys 수석 제품 관리자 Siddharth Shah(싯다르타 샤)는 최근 AWS Hpc7g 인스턴스 제품 페이지를 통해 "Ansys는 ARM 기반 AWS Graviton 프로세서로 구동되는 새로운 Amazon EC2 Hpc7g 인스턴스에서 LS-DYNA 솔버를 지원하게 되어 기쁘게 생각한다. 양사 솔루션을 사용하는 고객은 더 낮은 비용으로 컴퓨팅 성능을 크게 향상시킴과 동시에 에너지를 절약해 지속 가능성 목표를 달성하는 데 도움이 될 것으로 기대할 수 있다"고 말한 바 있습니다.

7만 개의 요소로 구성된 이른바 ‘캐러밴 대 캐러밴’ 테스트 모델을 사용, Pectolite(Amazon EC2 Hpc7g 인스턴스)와 Palladium(Amazon EC2 C6gn 인스턴스) 간의 성능이 크게 개선된 것을 확인한 LS-DYNA의 테스트는 Hpc3.2g 인스턴스에 대한 싯다르타의 생각이 옳았음을 입증합니다. 256코어에서는 반복시간이 40% 가까이 빨라졌습니다. 이러한 FEM 코드는 통상 스케일이 어렵지만, C6gn 인스턴스와 비교 시 병렬 효율성이 6% 정도 증가함으로써 이러한 까다로운 문제도 해결 시간을 단축할 수 있는 Pectolite(Hpc7g 인스턴스)의 능력을 보여주었습니다.

이러한 인스턴스의 성능이 뛰어난 주요 이유 중 하나는 AWS Graviton 3E 기반 EC2 인스턴스가 2세대 AWS Graviton2 기반 인스턴스에 비해 거의 35배 더 높은 부동소수점 성능을 제공하기 때문입니다. 또한 현 세대 Graviton3 인스턴스에 비해 최대 7% 더 빠른 벡터 명령어 세트 계산을 제공합니다. 순수한 컴퓨팅 성능 향상 외에도 Hpc5g 인스턴스는 DDR5 대비 50% 더 높은 메모리 대역폭을 제공하는 DDR4(더블 데이터 레이트 XNUMX) 메모리를 활용하는 최초의 인스턴스 중 하나입니다. 메모리 대역폭의 증가는 이러한 유형의 워크로드에서 CPU 병목 현상을 줄이는 데 도움이 됩니다.

그림 1 :

테스트한 다른 코드는 유체 시뮬레이션, 열전달, 혼합 및 다상 유동을 위한 업계 최고의 CFD 도구인 Ansys Fluent입니다. Ansys Fluent는 항공우주, 에너지, 자동차부터 제조, 제약에 이르기까지 전 세계 다양한 산업 분야에서 활용되고 있습니다. Ansys Fluent와 같이 긴밀하게 결합된 CFD 코드는 실행하기 위해 가장 많은 인프라가 필요한 HPC 워크로드 중 일부입니다.

우리는 F140 차량의 1M 셀 모델을 사용해 Ansys Fluent를 테스트했습니다. 예상대로 소규모 클러스터에서 Hpc7g 인스턴스의 CPU 및 메모리 대역폭이 향상되어 성능이 크게 향상되는 것을 확인할 수 있었습니다. 수천 개의 코어에서 지속적인 성능 향상과 강력한 확장이 이루어졌다는 사실은 매우 인상적이었습니다. Hpc7g 인스턴스는 45개 코어에서 2048%의 병렬 효율을 보이는 C6gn 인스턴스에 비해 75%의 반복속도 향상을 보여줍니다. 이는 Hpc7g 인스턴스가 가장 크고 까다로운, 긴밀하게 결합된 HPC 워크플로우에서도 효율적으로 확장할 수 있음을 보여줍니다.

그림 2 :

클라우드에서 이처럼 인상적인 병렬 확장 성능을 구현할 수 있었던 것은 AWS가 AWS Nitro System을 기반으로 하는 Elastic Fabric Adapter(EFA)를 통해 이룬 발전 덕분입니다. Nitro System은 호스트 머신에서 가상화 기능을 오프로드할 수 있게 했을 뿐만 아니라 SRD(스케일 가능하고 신뢰할 수 있는 데이터그램)와 기본 네트워크 암호화를 사용해 더욱 강력하고 지연 시간이 짧은 네트워킹과 같은 훨씬 더 고급 기능도 가능하게 했습니다.

Rescale의 새로운 Performance Profile 기능으로 벤치마크를 실행하면 직접 확인해 보실 수 있습니다.