Azure@第二代AMD EPYC和Radeon Instinct MI25,助Azure扩展高性能云服务


2020年3月26日 , AMD宣布第二代AMD EPYC(霄龙)处理器和AMD Radeon Instinct MI25 GPU正在通过Microsoft Azure NVv4虚拟机(VM)拓大其性能优势 。 这些虚拟机现已经在美国中南部和欧洲西部的Azure区域客户中普遍可用 , 其提供的虚拟桌面体验 , 使客户能够运行远程云端虚拟化服务和虚拟化桌面 , 为入门级工作人员以及CAD、仿真等图形密集型可视化工作负载提供强劲支持 。
Azure NVv4 虚拟机也是云服务商中首款由第二代AMD EPYC和AMD Radeon Instinct驱动的虚拟机 , 同时也是AMD处理器支持的首个Azure虚拟桌面 。
该发布为AMD驱动的Azure虚拟机带来更多动能 , 其中包括已经普遍可用的针对通用用途和内存密集型工作负载的Dav4系列和Eav4系列虚拟机 , 以及普遍可用的用于高性能计算工作负载的HBv2系列虚拟机 。
Azure@第二代AMD EPYC和Radeon Instinct MI25,助Azure扩展高性能云服务
本文插图
AMD高级副总裁兼数据中心与嵌入式解决方案事业部总经理Forrest Norrod表示:“AMD处理器为云提供商和终端客户带来了针对多种工作负载的一些最佳性能、可扩展性以及负担能力 。 通过与AMD EPYC的基础性合作伙伴之一Microsoft Azure携手 , 我们很高兴通过云提供商中首款由第二代AMD EPYC和AMD Radeon Instinct MI25驱动的虚拟机 , 将AMD的性能优势扩展到新的虚拟化工作负载 。AMD CPU和GPU的独特结合为我们的云端客户提供了差异化的解决方案 , 并为终端用户带来了全新的功能 , 无论是他们访问云端虚拟桌面还是运行复杂且繁重的仿真任务 。 ”
微软Azure计算公司副总裁Girish Bablani表示:“ AMD和Microsoft Azure长期共同致力于通过虚拟机打造全新的功能和性能水平 , 这些虚拟机能够支持客户的各种工作负载 , 例如针对内存优化和通用用途的高性能计算 。 如今 , 我们为客户提供了针对桌面虚拟化工作负载的可扩展体验 。 凭借NVv4系列虚拟机 , Azure已经成为首个提供由AMD EPYC CPU和AMD Radeon Instinct GPU驱动的虚拟机的云提供商 , 我们期待和AMD在云计算领域取得更大的成功 。 ”
利用AMD赋能高性能Azure虚拟机 作为首家支持第一代和第二代AMD EPYC处理器的全球云提供商 , Azure 虚拟机为客户提供针对多种云工作负载的领先体验 , 包括通用用途、内存优化、高性能计算甚至虚拟桌面环境 。
AMD驱动的Azure 虚拟机包括:
· 针对通用工作负载的Dav4和Dasv4虚拟机系列:Dav4和Dasv4 Azure 虚拟机针对各种通用用途的应用而设计 。 它采用AMD EPYC 7452处理器 , 提供高达96 个虚拟CPU(vCPUs), 384 GBs 的RAM和2400 GBs基于SSD的临时存储 , 并支持Azure Premium SSDs 。 Dav4和Dasv4 虚拟机能够以竞争性的价位提供优异的性能 , 且可以运行企业级应用、关系数据库和应用服务器 。
· 针对内存优化工作负载的Eav4和Easv4虚拟机系列:Eav4和Easv4 Azure 虚拟机专为内存密集型工作负载而设计 , 是云计算中第一个采用AMD EPYC 7452处理器的新型虚拟机 。 它能够提供高达96个vCPUs, 672 GBs 的RAM 和2400 GBs基于SSD的临时存储 。 Eav4和Easv4 虚拟机以极具竞争力的价位 , 为大型内存业务的关键工作负载提供出色的性能支持 。 同时 , Eas系列虚拟机支持Azure Premium SSDs 。
· HBv2虚拟机:HBv2 虚拟机专门针对高性能计算工作负载 , 如CFD、显式有限元分析、地震资料处理、储层模拟、渲染以及其它更多负载等 。 它采用第二代AMD EPYC处理器和200 Gb/s HDR InfiniBand 。 Azure近期宣布在一系列HPC基准测试中 , HBv2 V虚拟机拥有80,000个用于紧密耦合模拟的核心 , 在云中提供相当于本地部署的超算水平的性能 。
· NVv4 虚拟机:由第二代AMD EPYC CPU和AMD Radeon Instinct MI25 GPU驱动 , NVv4能够在云端提供现代桌面和工作站体验 。 基于单I/O虚拟化(SR-IOV)的GPU分区提供从1/8到整个GPU的四种资源平衡配置选项 , 用于提供灵活的、以安全为目的、由GPU驱动的虚拟桌面体验 。 客户可以将资源与预期的工作负载更紧密地匹配 , 来获取更多选择 , 从而使GPU加速的虚拟桌面相比以往更加实惠 。