英特尔卡盟服务器

目录执行概要.
1为充分利用多云环境而需考虑的七个问题.
2英特尔技术助力成功部署多云环境.
6结论7白皮书企业和政府云执行概要随着公有云服务的不断增加,多云环境正在成为企业的标准,并推动着数据中心对云技术的采用.
实际上,2018年的云计算支出已超过2,000亿美元,并预计将在2019年增长20%1.
这一增长反映了IT对于推动业务数字化转型的需求.
为做出更明智的业务决策、驱动新业务战略以及实现经济高效的模型,IT的多云战略正从以成本为中心转向以价值为中心.
这些要求反映出企业领导者的侧重方向:有98%的领导者认为IT对业务战略至关重要或非常重要,并指出IT的首要目标是通过IT架构提供更多价值和洞察、提高灵活性、支持扩展以应对变化2.
尽管如此,要在多云世界中实现这些优势,IT决策者仍面临着架构和概念层面的棘手挑战.
要想充分发挥多云环境的优势,就需要从架构中抽象出应用,配备云感知数据策略,并开始像云服务提供商(CSP)一样思考如何为开发人员、业务部门(BU)领导者、项目经理和其他内部客户提供服务和平台.
IT必须了解数据的价值、数据对于特定应用和位置的"引力"、团队配备的技能以及客户的需求(包括安全性和法规).
此外,他们需要为新应用和传统应用同时提供一致的多云工作负载布局策略.
本文介绍了IT决策者为了实现这些目标所需要考虑的七个关键问题,以及英特尔技术、优化方案和生态系统可以提供哪些帮助.
优化多云环境时需要深思的七个考虑因素基于至强可扩展平台优化多云环境多云的定义多云是指将来自不同云服务提供商的出色解决方案和服务相组合(包括私有云),从而创建出适合业务的解决方案.
通过提供互操作性和可移植性,多云战略可为企业的云解决方案提供更高的灵活性,包括不同的价位、服务、功能和地域选择.
多云战略可以使用公有云、私有云、混合云解决方案,具体取决于各家公司的需求.
在正确部署的情况下,无论使用哪些服务,多云都可以确保全公司的一致性.
白皮书|基于至强可扩展平台优化多云环境2为充分利用多云环境而需考虑的七个问题这些考量基于英特尔在打造自有多云环境以及与广泛生态系统一起帮助成千上万个企业打造多云环境所积累下来的经验.
1.
如何显著降低总体拥有成本(TCO)作为一个成本中心,IT部门无论采用什么战略,都必须始终以提高其所处的企业和机构的成本效益为目标.
企业的IT部门需要了解如何在多云环境中实现这一点.
也就是说,IT部门必须研究在公有云或私有云中运行特定应用时所产生的成本影响;如何使用容器化和虚拟化技术来提高本地部署的密度和利用率;以及如何组合使用容器化和持久性技术将已构建的应用虚拟化.
在不同的云中存储和移动数据可能会产生高昂的成本.
制定总体拥有成本(TCO)策略时,还应了解用于存储、移动和处理数据的经济高效的方法.
在应用层面,IT部门需要深谙应用的基础设施架构,并掌握支持应用所需的技能.
然后,他们需要评估应用的可移植性.
评估所涉及的应用是通过容器部署的定制应用,还是与特定基础设施需求绑定的传统软件同时还应评估这些应用是否对数据处理方式做出了规定此外,简化运营也是影响多云总体拥有成本的决定性因素,因为简化运营有助于跨多云实现统一透明化管理,进而显著提升利用率.
在私有云中,影响利用率的重要因素之一是虚拟机(VM)调度.
一些应用会在每月或每季度中的特定时间达到活动峰值,而在其余时间处于相对闲置,或完全休眠的状态.
对于这些利用率起伏明显的应用(例如季度末财务分析或工资单处理),重要的是了解其在高峰和低谷时段所需的容量.
这样,就可以确保既不会过多提供容量,也不会产生容量瓶颈.
建议的做法是分析各个虚拟机的性能趋势,并相应地将它们分配给系统,以便在保持稳定高利用率(许多企业的目标是80-85%)的同时,为性能峰值留出足够的空间.
软件许可成本通常占到了应用总体拥有成本的大头.
许多企业软件的批量许可定价按照内核数进行计算.
为了充分利用许可投资,优化单位内核的性能至关重要.
除了CPU之外,存储性能或内存容量也可能会造成性能瓶颈.
在私有云中开发平衡的系统,同时深入了解公有云的性能特征,才是掌握多云总体拥有成本的关键.
对于采用多个公有云的企业和机构,IT部门提供集中式云代理服务是合理的决策.
也就是说,业务部门(BU)或开发人员团队在启动项目时无需自行介入公有云实例,这将由掌控该流程的IT来完成.
例如,如果应用或工作负载适合在公有云中托管,英特尔IT部门的内部云代理可为业务部门提供咨询、引导、集成、财务监督和安全服务.
我们的内部云代理使我们能够优化公有云的使用,以便服务于我们的核心业务企业市场.
在这些市场上,可靠性和性能是头等大事.
当公有云服务适用于用例时,我们能够帮助业务部门充分利用公有云服务,以提供恢复能力或带来其他业务优势.
对于某些工作负载和数据类型,公有云服务可能非常经济高效;但是对于其他的工作负载和数据类型,可能就并非如此了.
在整个企业中,云优先的战略正在逐渐被合理的云战略所取代.
有的工作负载正转移到公有云,而有的正从中移出.
这并不是公有云的失败,而是反映了用户对于应在何时何地托管工作负载的认知的不断发展.
例如,对于开发人员而言,先在公有云中创建和训练机器学习应用,然后在本地部署云中使用海量数据集运营应用可能是较为合理的策略.
此外,IT需要从为业务做出战略性贡献的角度出发,思考自己的目标.
您希望通过哪些服务来提供业务价值在开发基于云的服务时,要想显著降低总体拥有成本,这些思考就非常重要.
2.
如何通过管理基础设施来提供新服务和创新型服务,从而满足业务需求以效率和易用性为重,将客户放在第一位.
这意味着您需要重新审视整个流程,让其能够具备与外部云服务提供商一样的敏捷性和响应速度,确保其能够切实满足内部客户的需求.
服务实例化应简单、快捷(比如只需通过Web表单而非漫长的会议即可完成),同时还应具备外部供应商所能提供的易用性和响应速度.
您需要为开发人员提供平台,帮助他们在创建应用的同时,无需考虑特定架构的制约.
通过创建"应用向下"而不是"基础设施向上"的应用开发模型,释放开发人员的敏捷潜力.
随着越来越多的容器化和微服务成为企业应用堆栈的一部分,IT决策者需要重新思考如何为其提供支持.
这意味着为业务提供"XX即服务"产品的内部目录,例如向内部团队提供裸机服务.
许多提供基于容器的架构或容器即服务(CaaS)的云服务提供商通常以裸机为基础.
"以客户为中心"还包括创建预先批准的组件和服务集,并在线上商店中"出售",以便开发人员和业务架构师可以尽可能快速有效地启动和运行服务,避免产生"影子IT"的问题和风险("影子IT"是指用户将IT视为快速提供服务的障碍,并选择直接使用公有云提供商).
白皮书|基于至强可扩展平台优化多云环境3此外,IT部门需要评估和调整自身在服务供应中的角色.
当他们的职责从构建和设计服务变为购买、制定目录和汇总服务时,为业务提供支持所需的技能也将随之变化.
3.
如何在云之间构建一致且可互操作的环境,从而改善总体拥有成本和服务提供随着应用不断从架构中抽象出来,工作负载布局越来越多地成为一种基于成本、延迟、安全、数据引力和性能的计算.
这对于架构有两个重要的影响.
首先,架构需要在不同云之间完全兼容.
其次,性能不再只关乎处理器中的每内核性能,更是与整个系统(包括处理器、存储和网络等各部分)的性能息息相关.
跨云兼容性意味着需要在公有云和私有云中实施相同(或兼容)的技术、认证、服务级别协议(SLA)与流程.
但是,所有这一切都需要为业务目标服务.
英特尔自身在这一领域中投入了大量精力,我们自己的多云战略可以为您提供宝贵的经验和发展方向.
我们利用应用平台来摆脱底层基础设施和具体部署的制约.
我们还提供内部开发的私有"数据库即服务"(DBaaS)功能,让开发人员能够专注于编写出色的应用,建立起适用于整个企业的开发标准,实现应用的现代化.
我们正在逐步推进应用合理化流程,帮助确定哪些应用已经走到了生命末期,哪些应用可以迁移到更合适的云环境.
专注于业务和应用需求的云战略具有以下优势:我们获得了高水平的业务速度和敏捷性,而一切皆服务(XaaS)功能还具有内置冗余和恢复的能力.
开发人员能够专注于编写代码,而无需担忧基础设施,这也使得IT部门能够进行合理的工作负载布局.
云原生环境在整个企业范围内提供一致的多云用户体验.
简化的云堆栈提供出色的应用可移植性.
我们的转型云战略支持快速的敏捷应用开发.
您可在《英特尔IT部门的多云战略:专注于业务》白皮书中,详细了解英特尔构建多云战略的历程.
4.
如何通过构建流程全面评估我的工作负载要求要想充分利用多云的优势,必须确定各类工作负载应托管在哪些云中,以及是否需要在云之间移动工作负载.
某些应用可以轻松地移植到公有云.
但是,在云之间移动某些应用和数据可能会产生高昂的成本.
在多云环境中布局工作负载时,另一个关键因素是避免由供应商绑定带来的负面经济影响.
基于CloudPhysics*和CloudGenera*对超过500家企业客户进行的研究,英特尔开发了一个模型,用于确定合理的工作负载布局方法(见图2).
英特尔IT部门的多云战略:专注于业务"尽可能提升云的业务价值.
"这句简明扼要的话,正是英特尔IT部门为期三年的云战略转型计划的根本目标,该计划具体包括(见图1):让应用栈摆脱对基础设施的依赖,实现应用栈的现代化,从而实现一切皆服务(XaaS)功能.
专注于业务和应用需求,而不是基础设施.
确定最佳工作负载布局,在成本和功能要求之间达到平衡.
通过合作伙伴交流和行业基准测试,验证我们的方法.
图1.
英特尔的多云转型英特尔IT云架构转型以基础设施为中心的云架构业务速度和敏捷性受限开发人员必须围绕基础设施进行设计,并对其进行管理工作负载布局不一定匹配业务需求公有云使用不协调应用可移植性差高水平的业务速度和敏捷性开发人员只需编写代码,而无需担心基础设施合理的工作负载布局企业范围的多云、云原生环境,提供一致的用户界面简化的云堆栈,具有出色的应用可移植性以应用/业务需求为中心的云架构白皮书|基于至强可扩展平台优化多云环境4这个模型考虑了应用的商品化情况、战略因素、投资回报率(ROI)是否受限制甚至是否必要、数据或应用的要求是否限制了特定的方法,以及某些应用是否完全兼容云.
云条件成熟的应用栈摆脱了基础设施的制约,并能够系统化地确定应用是否提供了业务价值,这使我们将在充分利用多云环境方面处于非常有利的地位.
英特尔拥有15,000名软件工程师,致力于优化成千上万的应用,以确保应用兼容过去、现在和未来的英特尔技术.
英特尔IT部门预期将使用企业私有云来托管某些应用,例如那些具有严格安全要求的应用,或仅在内部使用的应用.
我们将根据提供商的实力和应用的需求,与不同的公有云服务提供商进行合作.
例如,某一家提供商可能拥有出色的身份管理和安全功能,而另一家供应商则擅长提供功能即服务(FaaS)和容器即服务(CaaS).
随着云服务提供商的创新,我们可以选择将应用从私有云迁移到公有云,或者从一个公有云服务提供商转向另一个服务提供商.
这么做的话,就可以更好地满足我们的业务需求.
我们能够在不同提供商之间进行选择,还能够将应用从一个托管环境迁移到另一个托管环境,这种灵活性让我们能够尽可能提升云在企业中的价值.
《在公有云、混合云和私有云间合理放置工作负载》白皮书更加详细地讨论了工作负载布局的考虑因素.
5.
如何在多云环境中构建数据引力和亲和性众所周知,数据量正以惊人的速度增长.
在过去两年中所产生的数据量已经超过了之前整个人类历史的总和.
在接下来的10年中,数据预计还将增长10倍3.
尽管数据一直保持着高速增长,但大多数企业能够用于分析的数据量都不及总数的1%4.
造成这种困境的因素有很多:公司内的数据孤岛难以访问已归档的数据无法检索陈旧的数据基础设施无法适应从多个来源提取或混合数据不同的管理规则以及不一致的元数据和格式数据的存储费用不断增加而最突出的问题是,难以确定应该保存和分析哪些数据由此看来,71%的企业CIO5表示传统基础设施已经成为创新能力的障碍也就不足为奇了.
大多数公司必须先在数据层解决这些挑战,才能开始切实地推行数据分析战略.
正如CloudGenera所指出的6,简单地采用公有云优先的方法(在公有环境中聚合所有数据)并不能解决问题.
因为这可能会产生巨大的成本,还可能降低灵活性.
在多云世界中,所有这些问题都需要在应用和数据布局层面解决.
由于延迟的原因,某些应用需要靠近它们所服务的数据,目的可能是为了实时分析或传输分析结果,或是访问大量数据集.
有时将算力靠近数据比将数据靠近算力更为切实可行.
例如,边缘应用需要先处理和排序大量数据,然后才能将其发送回集中式数据中心.
对于许多应用和工作负载而言,在迁移应用时,数据亲和性就成为了一个重要的问题.
先访问大数据集,然后再转发或复制数据可能不太现实.
因为在使用公有云时,我们必须将经济复杂型因素考虑在内.
应用迁移合理化流程是否必需是否为商用性应用是否为战略性应用是否受到投资回报限制是否无法兼容云生命末期软件即服务平台即服务基础设施即服务非云应用淘汰停用迁移重新购买投资重新架构忍耐/迁移重新托管忍耐保留图2.
工作负载布局合理化模型白皮书|基于至强可扩展平台优化多云环境5此外,随着不同站点和地区之间数据移动的激增,理解和应用"一般数据保护条例"(GDPR)等数据管理法规就变得尤为重要.
然而,许多应用需要接近其数据.
对于某些应用来说,将数据与虚拟机一起转移或同步是切实可行的,但对于其他应用来说,数据可能需要位于运行虚拟机的所有站点都可以访问的低延迟存储库中.
通过公有云服务提供商,您能够为不同类型的工作负载要求创建配置文件,并管理数据访问.
在构建私有云或混合云解决方案时,也必须解决同样的问题.
英特尔架构提供了遥测技术,可以为现代混合云模型提供支持,以帮助确定利用率的优先级,并对云中的工作负载进行平衡.
此外,经济因素同样不容忽视.
将数据移动到公有云中可能非常便宜,而将其再次移出则会非常昂贵.
鉴于应用和数据回归已经成为一个重要的趋势,因此考虑可能的存储成本和要求是极为必要的.
同样,如果选择在本地保存数据,掌握数据的使用情况和成本概况则尤为重要,并应据此将数据作为平衡系统的一部分存储在适合的介质上.
数据存储平台需要具有适应能力、恢复能力和灵活性.
6.
如何构建更好的容器和虚拟机迁移策略我们已经讨论了多云环境在云之间移动和迁移应用及工作负载时的出色能力,而这也正是多云架构提高灵活性和成本控制优势的关键因素.
若想充分利用这种灵活性,深思熟虑和提前规划就显得尤为重要.
您是否打算关闭工作负载并将其永久移动到其他位置,从而有效地在不同的云上复制工作负载或者您是否打算迁移"实时"工作负载,例如使用"Followthesun"模型来尽可能提高效率和客户体验冷迁移某些工作负载,例如将其分流到公有云中,可以为您带来经济上和实际上的益处.
即移动虚拟机并复制数据,然后关闭初始实例.
适用于这种方法的应用包括:服务器整合、保留遗留应用,或将许多工作负载的管理简化整合入一个虚拟化支持模型.
对于遗留的系统平台,无论是本地部署在私有云中,还是部署在外部公有云中,冷迁移都可用于将这些平台迁移到更新的虚拟化模型中.
这有助于移除过时的旧硬件并将工作负载转移到现代化的基础设施中,由此减少数据中心遗留硬件债的影响.
"实时迁移"指虚拟机在站点间移动.
这种移动既可以附带虚拟机的数据,也可以是使用低延迟网络或数据架构的双重访问.
在迁移过程中,虚拟机及其工作负载将继续运行.
针对英特尔技术进行优化的GoogleAnthos*GoogleAnthos*是由Google管理的软件堆栈,由先进的应用现代化技术提供支持,并针对英特尔架构进行了优化.
它可以在本地和云推动IT运营变革,帮助企业使用针对英特尔架构优化的Kubernetes*跨不同环境构建和管理现代混合应用.
企业可以更安全地部署新应用和现有应用,使用由Google提供和管理且构建在英特尔平台上的容器、微服务架构和服务网络,从而加快产品上市时间、降低管理成本并推动创新.
这样便可在本地云环境和公有云提供商的云环境中实现统一的云资源管理、无缝应用移植、数据移动以及总体拥有成本(TCO)优势.
Anthos*托管控制平面(在GCP上)一致的用户体验(UX)额外服务Kubernetes*市场控制平面多集群接入政策代理CSM/IstioGKE政策代理CSM/Istio本地GKE政策代理CSM/Istio其他云上的GKE二进制授权Stackdriver*基本应用编程接口(API)管理身份识别代理程序云身份政策管理集群管理服务管理图3.
GoogleAnthos*架构白皮书|基于至强可扩展平台优化多云环境6这对于"Followthesun"模型非常有用,即根据容量和优先级的需要,在公有云和私有云之间移动工作负载.
适用的场景包括深度学习、推理、建模和其他计算密集型应用.
实时迁移(热迁移)的一个核心优势是拥有完善的应用架构,可以在极短的停机时间内快速访问数据.
采用严格的工作负载布局方法有助于明确决策,并优化利用率和TCO.
您是否拥有经济且实用的模型,来确定哪些工作负载需要进行迁移,及其应该布局在多云架构中的哪些位置您可以通过考虑运行应用和处理工作负载所需的延迟、安全性和集成度等因素来作出决定.
同时您还需要考虑迈向超融合架构(HCI)的计划.
您应该计划如何监督管理工作并自动预配虚拟化服务.
考虑使用"单一界面"来管理基础设施,以便您可以了解所有服务器和系统的性能.
要想了解更多信息和其他关键虚拟机/容器迁移策略要素,请阅读白皮书:《依托至强平台,推进混合云环境中的虚拟机和容器迁移》.
7.
如何尽可能提高安全性在多云环境中,我们不但需要保护公有云和私有云中的数据,还必须为在云间移动的信息提供数据保护.
为此,需要在全平台提供硬件级的安全防护和加密、针对安全性优化的工作负载布局以及一致的模型,以此将应用的安全需求与它们所属架构的特征相匹配.
每个云实例必须为进出的数据、相关应用和工作负载提供明确定义的保护边界.
底层硬件层中的芯片级安全功能可以提高现代私有云解决方案中部署的每个虚拟机、容器和服务的安全性能.
对于南北向流量,必须考虑到数据将通过本地数据中心控制范围之外的互联网(或其他网络)传输.
英特尔至强可扩展处理器能够优化数据传输时、空闲中和使用中的加密性能.
英特尔存储和内存技术也可以在数据使用中加密数据.
对于东西向流量,英特尔以太网700系列网络适配器能够在数据中心内的不同系统之间提供高达40GbE的带宽,满足应用需求.
这些网络适配器可以加快数据移动速度,以确保英特尔至强可扩展处理器可以专注于处理工作负载.
要想在多云场景中实现出色的性能,就需要确保充足的网络带宽.
基于硬件的现代安全功能将降低云安全性管理的开销,这样您就可以通过支持云的软件工具来集中管理每个虚拟网络接口和防火墙规则.
英特尔技术助力成功部署多云环境成功的多云战略需要一个全面优化的平台:不仅仅是处理器,还包括存储、网络和软件优化,需要所有这些要素共同提供所需的性能.
英特尔提供了配备硬件级安全保护的优化技术基础,并针对实时业务量身定制,使您能够扩展工作负载.
针对实时业务量身定制在基于英特尔技术的云实例上,可以高速且经济高效地运行当前和未来的计算密集型工作负载,包括SAPHANA*、高性能计算(HPC)和人工智能(AI).
第二代英特尔至强可扩展处理器的先进计算内核实现了计算性能、内存容量和带宽、I/O可扩展性的飞跃,内核频率高达3.
8GHz(开启英特尔睿频加速技术时高达4.
4GHz),可为计算和内存敏感型应用提供针对工作负载优化的云性能.
第二代英特尔至强可扩展处理器内置英特尔深度学习加速(英特尔DLBoost),可为人工智能工作负载带来全新的嵌入式性能加速.
与上一代产品相比,推理工作负载的性能提升高达30倍7.
与上一代技术相比,英特尔高级矢量扩展技术512(英特尔AVX-512)在每个时钟周期提供的FLOP数提升高达2倍8,从而优化工作负载处理速度和数据应用.
英特尔傲腾数据中心级持久内存以独特的架构实现了持久存储特性,即使在重启期间也可以保留数据,无需外部供电的备份组件.
在使用英特尔傲腾数据中心级持久内存时,MicrosoftWindowsServer*上每个节点的虚拟机密度可增加多达36%9.
使用第二代英特尔至强可扩展处理器和英特尔傲腾数据中心级持久内存可以推动基础设施的现代化,优化核心业务应用和工作负载:在MicrosoftSQLServer上,削减了多达50%的节点和39%的总体拥有成本10在SparkSQL上,性能提升高达8倍10在SAPHANA上,在容量翻倍的同时,单位TB成本削减达34%10利用第二代英特尔至强可扩展处理器、英特尔数据中心级固态盘和英特尔以太网700系列产品优化您的云性能.
白皮书|基于至强可扩展平台优化多云环境7优良的技术基础可在广泛的工作负载和服务(无论是计算、网络还是存储)中,实现无缝应用移植、数据移动和总体拥有成本优势.
英特尔架构由大规模的独立软件供应商(ISV)生态系统提供支持,可帮助应用出色地迁移和移植到公有云.
通过云服务提供商市场提供的针对英特尔架构优化的产品可提供一站式解决方案,帮助用户快速开始采用云服务,或将现有基础设施迁移到公有云.
英特尔架构可为应用和工作负载提供跨云移动性/可移植性,使您仅需使用当前技术就可加快产品上市时间.
英特尔的硬件辅助型技术,如英特尔FPGA、英特尔QuickAssist技术(英特尔QAT)和英特尔傲腾数据中心级持久内存,可在提供架构灵活性和可扩展性的同时,支持的新工作负载.
第二代英特尔至强可扩展处理器在运行通用计算工作负载时,计算性能提升高达2倍11,推理性能提升高达30倍7;并且无需更改硬件或计算环境,就能通过扩展来满足大多数计算密集型工作负载.
我们针对英特尔傲腾数据中心级持久内存创建了一系列以开发人员为中心的框架、培训、开源库和工具,包括持久内存开发工具包(PMDK)和VTune放大器.
扩展工作负载广泛部署英特尔至强处理器可以更加安全可靠地将工作负载从企业扩展到云,同时无需重新配置、更改应用或进行测试.
英特尔架构直接在芯片层提供硬件安全加强功能,帮助保护计算堆栈中的每一层(硬件、固件、操作系统、应用、网络和云).
第二代英特尔至强可扩展处理器通过英特尔威胁检测技术(英特尔TDT)提供硬件增强型威胁检测功能.
面向数据中心的英特尔SecurityLibraries(英特尔SecL-DC)是各类安全应用模型和层的构建模块,可以植根于基于硬件的功能.
基于英特尔技术的云实例可提供从双路到八路的全局扩展能力,全方位满足业务需求(裸机实例).
使用英特尔虚拟化技术(英特尔VT)进行无缝扩展,可实现云之间的实时应用迁移,由此部署新应用并按需纵向扩展或缩减,以满足不断变化的要求.
在英特尔架构上优化、开发和测试的数据中心应用种类繁多,可实现从私有云到公有云的工作负载扩展.
通过集成了英特尔QAT的英特尔密钥保护技术(英特尔KPT),可进行动态加密和压缩处理.
结论多云技术可为业务和IT团队带来巨大的益处.
通过深思熟虑和提前规划,选择适合的技术组合,就能创建一个云原生平台,在释放应用潜力的同时,不依赖于为其提供支持的架构.
延伸阅读:英特尔和合作伙伴提供的多云简化解决方案视频:英特尔的多云战略面向混合云的英特尔精选解决方案深入了解多云环境中的工作负载优化探索针对英特尔架构优化的Google*Cloud、AmazonWebServices*(AWS*)与MicrosoftAzure*多云和混合云简化解决方案GoogleCloud和AnthosAWSMicrosoftAzure白皮书|基于至强可扩展平台优化多云环境8解决方案提供商:性能测试中使用的软件和工作负荷可能仅在英特尔微处理器上进行了性能优化.
性能测试结果基于配置中所示日期进行的测试,且可能并未反映所有公开可用的安全更新.
详情请参阅配置信息披露.
没有任何产品或组件是绝对安全的.
诸如SYSmark和MobileMark等测试均系基于特定计算机系统、硬件、软件、操作系统及功能.
上述任何要素的变动都有可能导致测试结果的变化.
请参考其他信息及性能测试(包括结合其他产品使用时的运行性能)以对目标产品进行全面评估.
更多信息,详见intel.
cn/benchmarks.
1https://resources.
cloudgenera.
com/wp-content/uploads/2019/03/BlueprintForCloudSuccess-2.
pdf借鉴Gartner和Wikibon的数据.
2IDGResearch,"StakesRiseforIT:TheITTransformationJourney"(IT变数增加:IT转型之旅)https://pages.
insight.
com/rs/366-UKY-221/images/Infographic-IDG_Fall_2017-Final.
pdf3资料来源:https://www.
forbes.
com/sites/bernardmarr/2015/09/30/big-data-20-mind-boggling-facts-everyone-must-read/#7efdd94b17b14资料来源:https://hbr.
org/2017/05/whats-your-data-strategy5资料来源:https://www.
logicmonitor.
com/blog/83-percent-of-enterprise-workloads-will-be-in-the-cloud-by-2020/6资料来源:https://resources.
cloudgenera.
com/wp-content/uploads/2019/03/BlueprintForCloudSuccess-2.
pdf7配备英特尔深度学习加速(英特尔DLBoost)的英特尔至强9282处理器的推理吞吐量提升高达30倍:截至2019年2月26日由英特尔测试.
平台:Dragonrock双路英特尔至强铂金9282(每路56个内核),启用超线程技术,启用睿频,总内存768GB(24插槽/32GB/2933MHz),BIOS:SE5C620.
86B.
0D.
01.
0241.
112020180249,Centos7Kernel3.
10.
0-957.
5.
1.
el7.
x86_64,深度学习框架:面向英特尔架构优化的Caffe*版本:https://github.
com/intel/caffed554cbf1,ICC2019.
2.
187,MKLDNN版本:v0.
17(commithash:830a10059a018cd2634d94195140cf2d8790a75a),模型:https://github.
com/intel/caffe/blob/master/models/intel_optimized_models/int8/resnet50_int8_full_conv.
prototxt,BS=64,无数据层合成数据:3x224x224,56个实例/双路,数据类型:INT8与截至2017年7月11日英特尔所做测试的对比:双路英特尔至强铂金8180CPU@2.
50GHz(28个内核),禁用超线程技术,禁用睿频,通过intel_pstate驱动程序将扩展调节器设置为"performance",384GBDDR4-2666ECCRAM.
CentOSLinuxrelease7.
3.
1611(内核),Linux内核3.
10.
0-514.
10.
2.
el7.
x86_64.
固态盘:英特尔固态盘DCS3700系列(800GB,2.
5英寸SATA6Gb/秒,25纳米,MLC).
性能测量基于:环境变量:KMP_AFFINITY='granularity=fine,compact',OMP_NUM_THREADS=56,CPU频率设置为cpupowerfrequency-set-d2.
5G-u3.
8G-gperformance.
Caffe:(http://github.
com/intel/caffe/),修订版f96b759f71b2281835f690af267158b82b150b5c.
推理能力的测量基于"caffetime--forward_only"命令,训练能力的测量基于"caffetime"命令.
对于"ConvNet"拓扑,使用合成数据集.
对于其他拓扑,数据在本地存储,并且在训练之前在内存中缓存.
拓扑规范来源于https://github.
com/intel/caffe/tree/master/models/intel_optimized_models(ResNet-50).
英特尔C++编译器版本.
17.
0.
220170213,英特尔MKL小型函数库版本2018.
0.
20170425.
使用"numactl-l"运行Caffe.
8在采用第二代英特尔至强铂金9200处理器的双路服务器上,性能相比前一代产品平均提升高达2倍.
GeomeanofestSPECrate2017_int_base,estSPECrate2017_fp_base,STREAMTriad,英特尔LINPACK分发版,服务器端Java.
铂金92xx对比铂金8180:前者:1个节点,WalkerPass上2个英特尔至强铂金9282CPU,总内存为768GB(24X32GB2933),ucode0x400000AonRHEL7.
6,3.
10.
0-957.
el7.
x86_64,IC19u1,AVX512,全部启用超线程技术(关闭Stream、LINPACK),全部启用睿频(关闭Stream、LINPACK),结果:estintthroughput=635,estfpthroughput=526,STREAM-Triad=407,LINPACK=6411,服务器端java=332913,由英特尔于2019年2月16日测试.
后者:1个节点,WolfPass上2个英特尔至强铂金8180CPU,总内存为384GB(12X32GB2666),ucode0x200004DonRHEL7.
6,3.
10.
0-957.
el7.
x86_64,IC19u1,AVX512,全部启用超线程技术(关闭Stream、LINPACK),全部启用睿频(关闭Stream、LINPACK),结果:estintthroughput=307,estfpthroughput=251,STREAM-Triad=204,LINPACK=3238,服务器端java=165724,由英特尔于2019年1月29日测试.
9对于多租户虚拟化OLTP数据库,在使用英特尔傲腾DCPMM后,每个节点的虚拟机数量提高了高达36%:前者:1个节点,2个26内核第二代英特尔至强可扩展处理器,启用超线程技术,启用睿频,768GB,0(24插槽/32GB/2666DDR),1个三星PM963M.
2960GB,7个三星PM963M.
2960GB,4个英特尔固态盘S4600(1.
92TB),1个英特尔X520SR2(10Gb),WindowsServer2019RS5-17763,OLTP云基准测试,截至2019年1月31日英特尔所做测试.
后者:1个节点,2个26内核第二代英特尔至强可扩展处理器,启用超线程技术,启用睿频,192GB,1TB(12插槽/16GB/2666DDR+8插槽/128GB/2666英特尔傲腾DCPMM),1个三星PM963M.
2960GB,7个三星PM963M.
2960GB,4个英特尔固态盘S4600(1.
92TB),1个英特尔X520SR2(10Gb),WindowsServer2019RS5-17763,OLTP云基准测试,截至2019年1月31日英特尔所做测试.
10SQLserver/Hyper-V*-多租户虚拟化.
配置1-DDR4(类似成本),由英特尔于2019年1月31日测试,平台:机密-如果需要知道,请联系M.
Strassmaier,节点数量:1,插槽数量:2,CPU:CLXb0-steping26c@2.
6GHz,内核/插槽,线程/插槽:26/52,ucode:0x4000014,超线程技术:启用,睿频加速:启用,BIOS版本:C2030.
BS.
1C03.
GN1,BKC版本:WW42,AEPFW版本:5253,系统DDR内存配置:插槽/容量/运行速度:24个插槽/32GB/2666,总内存/节点(DDR,DCPMM):768GB,0,存储(引导):1个三星PM963M.
2960GB,存储(应用驱动器):7个三星PM963M.
2960GB,4个英特尔固态盘S4600(1.
92TB),NIC:1个英特尔X520SR2(10GB),PCH:LBGQS/PRQ–T–B2,操作系统:WindowsServer2019RS5-17763,工作负载和版本:OLTP云基准测试.
配置2-AEP(类似成本),由英特尔于2019年1月21日测试,平台:机密-如果需要知道,请联系M.
Strassmaier,节点数量:1,插槽数量:2,CPU:CLXb0-steping26c@2.
6GHz,内核/插槽,线程/插槽:26/52,ucode:0x4000014,超线程技术:启用,睿频加速:启用,BIOS版本:C2030.
BS.
1C03.
GN1,BKC版本:WW42,AEPFW版本:5253,系统DDR内存配置:插槽/容量/运行速度:12插槽/16GB/2666,系统DCPMM配置:插槽/容量/运行速度:8个插槽/128GB/2666,总内存/节点(DDR,DCPMM):192GB,1TB,存储(引导):1个三星PM963M.
2960GB,存储(应用驱动器):7个三星PM963M.
2960GB,4个英特尔固态盘S4600(1.
92TB),NIC:1个英特尔X520SR2(10GB),PCH:LBGQS/PRQ–T–B2,操作系统:WindowsServer2019RS5-17763,工作负载和版本:OLTP云基准测试.
白皮书|基于至强可扩展平台优化多云环境911与英特尔至强铂金8180处理器相比,性能平均提升高达2倍.
GeomeanofestSPECrate2017_int_base,estSPECrate2017_fp_base,StreamTriad,英特尔Linpack分发版,服务器端Java.
铂金92xx与铂金8180的对比:前者:1个节点,WalkerPass上2个英特尔至强铂金9282CPU,总内存为768GB(24X32GB2933),ucode0x400000AonRHEL7.
6,3.
10.
0-957.
el7.
x86_65,IC19u1,AVX512,全部启用超线程技术(关闭Stream、Linpack),全部启用睿频(关闭Stream、Linpack),结果:estintthroughput=635,estfpthroughput=526,StreamTriad=401,Linpack=6411,服务器端java=332913,由英特尔于2019年2月16日测试.
后者:1个节点,WolfPass上2个英特尔至强铂金8180CPU,总内存为384GB(12X32GB2666),ucode0x200004DonRHEL7.
6,3.
10.
0-957.
el7.
x86_65C19u1,AVX512,全部启用超线程技术(关闭Stream、Linpack),全部启用睿频(关闭Stream、Linpack),结果:estintthroughput=307,estfpthroughput=251,StreamTriad=204,Linpack=3238,服务器端java=165724,由英特尔于2019年1月29日测试.
https://www.
intel.
cn/content/www/cn/zh/products/docs/processors/xeon/2nd-gen-xeon-scalable-processors-brief.
html本文中提供的所有信息可在不通知的情况下随时发生变更.
关于英特尔最新的产品规格和路线图,请联系您的英特尔代表.
英特尔技术特性和优势取决于系统配置,并可能需要支持的硬件、软件或服务得以激活.
产品性能会基于系统配置有所变化.
没有计算机系统是绝对安全的.
更多信息请从原始设备制造商或零售商处获得,或请见intel.
cn.
英特尔、至强、傲腾、VTune、英特尔标识是英特尔公司或其子公司在美国和/或其他国家的商标.
*其他的名称和品牌可能是其他所有者的资产.
英特尔公司版权所有0719/LD/CAT/PDF桶忭仜懌仜'497/9`仜懌寱`彬宵宾寱`仜ⅰ仜'49⒉慊'49仜(6%1%)46&31彬仜仜㈧凰凰慊佫寱慊佫寱桶忭'0<撿懎懌彬仜+&\+&%)4\+&(6%1'0<撿懎懌彬仜%)4'0<撿懎懌+&+&巬\+&\+&懌479&SSXHVMZI彬仜仜\例(6%14YVPI]'0<撿懎懌+&+&巬\+&忿(6%1仜懌479&SSXHVMZI彬仜仜\例例例例例例例例例例例例例例例例例例例例例例例(6%1+&\+&