VM Arm di Compute

Google Cloud menawarkan berbagai server yang didukung Arm di Compute Engine. Arsitektur Arm dioptimalkan untuk efisiensi daya, dan sebagai hasilnya, seri mesin C4A menghasilkan harga yang lebih baik untuk performa.

Prosesor Arm umum digunakan di server standar karena efisiensi dayanya dibandingkan dengan server x86. Ponsel dan laptop adalah contoh perangkat yang berjalan pada prosesor Arm. Dengan lebih sedikit set instruksi CPU Arm, kecepatan performa menjadi lebih baik dengan baterai dan konsumsi daya yang lebih rendah karena petunjuk yang lebih sedikit.

Prosesor Arm kustom Google, Axion, didasarkan pada prosesor Arm Neoverse V2. Neoverse V2 adalah CPU seri V pertama yang memiliki peningkatan performa, daya, dan keamanan Armv9. VM ini dirancang untuk komputasi berperforma tinggi, machine learning, dan komputasi cloud tujuan umum.

Pertimbangkan untuk menggunakan virtual machine (VM) Arm tujuan umum C4A untuk salah satu tujuan berikut:

  • Menjalankan workload yang intensif secara komputasi, yang memerlukan kemampuan untuk menskalakan penggunaan dengan cepat saat diperlukan.
  • Mengoptimalkan rasio harga-performa pada workload yang kompatibel dengan Arm.
  • Membangun di stack software open source yang modern.
  • Mengembangkan dan menguji sistem seluler atau tersemat yang menggunakan CPU Arm.
  • Mengevaluasi apakah workload Anda cocok untuk Arm CPU.

Seri mesin C4A

C4A adalah VM berbasis Arm pertama yang dibuat di CPU berbasis Axion Arm64 Google. C4A menawarkan jenis mesin dengan hingga 72 vCPU dan memori DDR5-5600 sebesar 576 GB. C4A tersedia dalam jenis mesin standard, highmem, dan highcpu.

C4A dibuat di Titanium yang menggunakan offload jaringan dan memungkinkan performa jaringan per VM Tier_1 hingga 100 Gbps dengan antarmuka jaringan gVNIC. C4A juga mendukung antarmuka disk NVMe dengan disk Hyperdisk Balanced dan Hyperdisk Extreme.

Multithreading simultan

Untuk seri mesin C4A, setiap vCPU didukung oleh satu core tanpa multithreading simultan (SMT). Dengan demikian, VM C4A memberikan performa per vCPU yang lebih besar dibandingkan dengan VM yang mengaktifkan SMT. Meskipun SMT memberikan manfaat pada workload tertentu, core thread tunggal ideal untuk workload yang intensif secara komputasi karena proses dapat mengakses seluruh core, bukan membaginya dengan proses lain.

OS image

VM C4A mendukung image OS berbasis Arm publik. Anda juga dapat membuat image kustom menggunakan image berbasis Arm yang tersedia secara publik.

Seri mesin Tau T2A

Seri mesin Arm Tau T2A berjalan pada prosesor Ampere Altra Arm 64 core dengan frekuensi semua core 3,0 GHz. Dengan Tau T2A, Anda dapat menjalankan workload yang paling baik, atau secara eksklusif, di Arm.

Seri mesin Tau T2A memiliki jenis mesin yang telah ditetapkan hingga 48 core fisik dengan memori 4 GB per vCPU. Jenis mesin Tau T2A berjalan dalam satu node NUMA.

Jenis mesin Tau T2A hanya mendukung antarmuka NVMe untuk penyimpanan, dan Google virtual NIC (gVNIC) untuk jaringan. Antarmuka Virtio-Net dan SCSI tidak didukung. Semua OS image Arm yang tersedia secara publik dikonfigurasi untuk menggunakan antarmuka NVMe dan gVNIC. gVNIC adalah antarmuka jaringan yang didesain khusus untuk Compute Engine. Teknologi ini memberikan performa yang lebih baik dan mendukung throughput serta bandwidth jaringan yang lebih tinggi.

Untuk seri mesin ini, setiap vCPU didukung oleh satu core tanpa multithreading simultan (SMT).

Rekomendasi workload

Seri mesin C4A adalah pilihan yang sangat baik untuk berbagai workload yang memerlukan penyebaran skala dan intensif komputasi, terutama jika performa harga adalah masalah utama. Pertimbangkan C4A saat Anda men-deploy workload seperti berikut:

  • Pemrosesan data ML
  • Inferensi ML dan penayangan model
  • Penyertaan aplikasi, penyertaan web, dan penyertaan game
  • Pengembangan sistem tersemat
  • Pengembangan di CI/CD di Arm
  • Encoding, transcoding, dan pemrosesan video dan gambar
  • Penayangan dan bursa iklan digital
  • Server cache
  • Penemuan obat komputasi
  • Pengembangan Android
  • Pengembangan software otomotif otonom atau konvensional

Langkah selanjutnya