.

Now!“深度学习,多媒体处理,科学计算” 成为当前红眼的热门领域。
But!GPU实例因为硬件成本偏高,在大规模应用上无法普惠众多开发者。
So!阿里云推出竞价型GPU云服务器,极大程度的降低成本提高计算能力,使GPU成为强大的技术云助力产品。

同时间周期不同购买方式价格对比(价格按小时计算):
购买方式 时间周期(1小时)
按量付费 8.266元
周价格 4.2元
月价 3.35元
竞价实例 0.888元

实例规格: ecs.gn5i-c2g1.large
时间周期:不同购买路径的一小时计费
注明:网络跟存储相关内容随着按量计算未记入

GPU云服务器竞价实例使用案例解析

案例一:视频渲染/转码的场景
  • 场景描述:

    通常的渲染场景架构计算与存储是分离的,并且计算采用分布式部署而渲染素材数据和渲染结果采用集中存储;任何一个渲染项目,其中很大一部分的成本来自分布式的计算所需要大量GPU;但是在渲染场景下,每路GPU之间的计算相互独立无交互,通过加入简单的GPU计算节点容错机制。

  • 操作方式:

    GPU实例+NAS/OSS集中存储的方式。

  • 成本降低解析:

    以常用的ecs.ga1.4xlarge(16vCPU/40GB内存/1*AMD S7150 GPU卡)为例,渲染8个小时
    包月价格为: 8.35元/小时 (8.35X10X8=668)。
    竞价性方式:可以最低一折起只要不到百元花费即可完成,大幅降低计算费用。

案例二:AI深度学习场景
  • 场景描述:

    深度学习Training训练场景中模型中间数据可通过checkpoint机制存放于云盘或NAS/OSS等持久存储中,利用相似的计算存储分离的架构,也可利用竞价实例来显著降低GPU实例成本; 深度学习Inference在线推理场景,充分利用各推理节点间的无状态特征,部署多个竞价性实例,且通过前端接入SLB负载均衡,将推理请求引流到不同的GPU竞价实例,达到更高的性价比。

  • 操作方式:

    SLB+GPU实例。

  • 降低成本解析:

    以推理计算型实例gn5i-c8g1.2xlarge(8vCPU/32GB内存/1*Nvidia P4 GPU卡)为例,其包月小时价位4.67元,当采用10个实例组成AI深度学习推理服务时,其每小时的GPU成本46.7元。
    包月价格:其每小时的GPU成本46.7元。
    竞价+包月:考虑业务波峰和谷,可采用包月+竞价组合方式,保留少量包月实例满足最低要求,并通过竞价实例来满足波动的请求,总体费用上可以降低到原包月的40%~70%!

案例三:科学计算
  • 场景描述:

    科学计算可以配置为计算与存储分离的架构,利用科学计算模型的容错机制,多个竞价性GPU卡之间分别计算,而数据存放在NAS/OSS等持久共享存储中,这种方式在提升整体扩展性的同时,显著降低计算成本。

  • 操作方式:

    GPU实例+NAS/OSS集中存储的方式。

  • 成本降低解析:

    以常用的gn5-c28g1.7xlarge(28vCPU/112GB内存/1*Nvidia P100 GPU卡)为例,其包月小时价为28.09元,当采用10个实例组成HPC集群时,计算8小时的总花费为2247.2元。当使用竞价性方式,可以最低一折起,最低只要不到三百元即可完成。

使用竞价GPU实例注意事项

1.除了竞价实例本身的业务场景以及服务保证一个小时时间点需要注意。
2.GPU竞价实例如果用户有软件License是绑定机器的,不能使用竞价实例,实例销毁意味着License作废。
3.云桌面用户的GPU实例,如果GPU实例销毁,用户使用GPU的图形加速能力体验较差。

立即购买