PERF02-BP06 최적화된 하드웨어 기반 컴퓨팅 액셀러레이터 사용
하드웨어 액셀러레이터를 사용하면 CPU 기반 대안보다 특정 기능을 더 효율적으로 수행할 수 있습니다.
일반적인 안티 패턴:
-
워크로드에서 범용 인스턴스를 더 높은 성능과 더 낮은 비용을 제공할 수 있는 목적별 인스턴스와 비교하여 벤치마킹하지 않았습니다.
-
CPU 기반 대안을 사용하는 것이 더 효율적일 수 있는 작업에 하드웨어 기반 컴퓨팅 액셀러레이터를 사용합니다.
-
GPU 사용을 모니터링하지 않습니다.
이 모범 사례 확립의 이점: 그래픽 처리 디바이스(GPU) 및 Field Programmable Gate Array(FPGA)와 같은 하드웨어 기반 액셀러레이터를 사용하면 특정 프로세싱 기능을 보다 효율적으로 수행할 수 있습니다.
이 모범 사례가 확립되지 않을 경우 노출되는 위험 수준: 중간
구현 지침
가속 컴퓨팅 인스턴스는 GPU 및 FPGA와 같은 하드웨어 기반 컴퓨팅 가속기에 대한 액세스를 제공합니다. 이러한 하드웨어 액셀러레이터는 CPU 기반 대안보다 더 효율적인 그래픽 처리 또는 데이터 패턴 일치와 같은 특정 기능을 수행합니다. 렌더링, 트랜스코딩, 기계 학습 등 많은 가속 워크로드는 리소스 사용 면에서 매우 가변적입니다. 이 하드웨어는 필요한 시간 동안만 실행하고 필요하지 않은 경우 자동화를 통해 해제하여 전반적인 성능 효율성을 향상합니다.
구현 단계
-
요구 사항을 해결할 수 있는 가속 컴퓨팅 인스턴스를 식별합니다.
-
기계 학습 워크로드의 경우 AWS Trainium
, AWS Inferentia 및 Amazon EC2 DL1 과 같이 워크로드에 따라 특정한 목적별 하드웨어의 장점을 활용합니다. AWS Inf2 인스턴스와 같은 Inferentia 인스턴스는 동급 Amazon EC2 인스턴스에 비해 최대 50% 더 우수한 와트당 성능을 제공 합니다. -
가속 컴퓨팅 인스턴스의 사용량 지표를 수집합니다. 예를 들어, Amazon CloudWatch의 NVIDIA GPU 지표 수집에서와 같이 CloudWatch 에이전트를 사용하여 GPU에 대한
utilization_gpu
및utilization_memory
와 같은 지표를 수집할 수 있습니다. -
코드, 네트워크 운영 및 하드웨어 액셀러레이터 설정을 최적화하여 기본 하드웨어가 반드시 제대로 활용되도록 해야 합니다.
-
최신 고성능 라이브러리 및 GPU 드라이버를 사용합니다.
-
자동화를 사용하여 사용하지 않는 GPU 인스턴스 사용을 해제합니다.
리소스
관련 문서:
관련 비디오:
-
AWS re:Invent 2021 - How to select Amazon Elastic Compute Cloud GPU instances for deep learning
-
AWS re:Invent 2022 - [NEW LAUNCH!] Introducing AWS Inferentia2-based Amazon EC2 Inf2 instances
-
AWS re:Invent 2022 - Accelerate deep learning and innovate faster with AWS Trainium
-
AWS re:Invent 2022 - Deep learning on AWS with NVIDIA: From training to deployment
관련 예제: