Google Cloud bietet eine Reihe von ARM-basierten Servern in der Compute Engine über die Maschinenreihen C4A und A4X an. Die Arm-Architektur ist auf Energieeffizienz ausgelegt, sodass ein besseres Preis-Leistungs-Verhältnis erzielt werden kann.
Arm-Prozessoren werden aufgrund ihrer Energieeffizienz im Vergleich zu x86-Servern häufig in Standardservern verwendet. Smartphones und Laptops sind Beispiele für Geräte, die auf einem Arm-Prozessor ausgeführt werden. Mit einem geringeren Satz von Befehls-Arm-CPUs und weniger Anleitungen entspricht er einer höheren Leistungsgeschwindigkeit bei geringerem Akku- und Stromverbrauch.
C4A verwendet beispielsweise den benutzerdefinierten Arm-Prozessor von Google, Axion, der auf dem Arm Neoverse V2-Prozessor basiert. Neoverse V2 ist die erste CPU der V-Serie mit Armv9-Leistungs-, Leistungs- und Sicherheitsverbesserungen. Sie ist für Hochleistungs-Computing, maschinelles Lernen und Cloud-Computing für allgemeine Zwecke konzipiert. Sie können C4A-Arm-VMs für allgemeine Zwecke für einen der folgenden Zwecke verwenden:
- Führen Sie rechenintensive Arbeitslasten aus, die eine schnelle Skalierung der Nutzung erfordern.
- Preis-Leistungs-Verhältnis von Arm-kompatiblen Arbeitslasten optimieren
- Nutzen Sie moderne Open-Source-Software-Stacks.
- Mobile und eingebettete Systeme entwickeln und testen, die eine ARM-CPU verwenden.
- Prüfen Sie, ob Ihre Arbeitslast für eine Arm-CPU geeignet ist.
Wenn Sie GPUs mit einer Arm-basierten CPU verwenden möchten, wählen Sie die A4X-Maschinenserie aus, die auf der NVIDIA GB200 NVL72-Plattform ausgeführt wird. VMs, die mit dieser Maschinenserie erstellt wurden, haben NVIDIA GB200 Grace Blackwell Superchips. Diese Maschinenserie ist für extrem parallelisierte CUDA-Computing-Arbeitslasten (Compute Unified Device Architecture) optimiert, z. B. maschinelles Lernen (ML) und Hochleistungs-Computing (HPC).
A4X-Maschinenserie
A4X ist die erste Compute Engine-VM mit sowohl Arm-basierten CPUs als auch angehängten GPUs. A4X bietet Maschinentypen mit bis zu 140 vCPUs und 884 GB Arbeitsspeicher. A4X verwendet NVIDIA GB200-GPUs mit 180 GB Arbeitsspeicher pro GPU. A4X hat zwei Sockets mit NVIDIA Grace Arm-CPUs, die über eine schnelle Chip-zu-Chip-Kommunikation (NVLink C2C) mit vier B200-GPUs verbunden sind.
A4X ist für den Maschinentyp a4x-highgpu-4g
verfügbar.
Speicheroptionen für A4X-Instanzen
A4X kann mit Google Cloud Hyperdisk-angebundenem Speicher verwendet werden und verfügt über 12.000 GiB lokaler SSD. Die Compute Engine hängt die lokalen SSDs beim Erstellen der Instanz automatisch an Ihre A4X-Instanzen an.
Betriebssystem-Images
A4X-Instanzen unterstützen öffentliche Arm-basierte Betriebssystem-Images. Sie können auch benutzerdefinierte Images mit einem öffentlichen Arm-basierten Betriebssystem-Image erstellen.
C4A-Maschinenserie
C4A ist die erste Arm-basierte VM, die auf der Arm64-basierten Axion-CPU von Google basiert. C4A bietet Maschinentypen mit bis zu 72 vCPUs und 576 GB DDR5-5600-Arbeitsspeicher. C4A ist in den Maschinentypen standard
, highmem
und highcpu
verfügbar.
C4A basiert auf Titanium, das Netzwerk-Offloads verwendet und mit der gVNIC-Netzwerkschnittstelle eine Tier_1-Netzwerkleistung von bis zu 100 Gbit/s pro VM ermöglicht. C4A unterstützt auch die NVMe-Laufwerkschnittstelle mit Hyperdisk Balanced- und Hyperdisk Extreme-Laufwerken.
Gleichzeitiges Multithreading
Bei der C4A-Maschinenreihe wird jede vCPU von einem einzelnen Kern ohne simultanes Multithreading (SMT) unterstützt. Somit bieten C4A-VMs eine höhere Leistung pro vCPU als VMs mit aktiviertem SMT. SMT bietet zwar bestimmte Vorteile für Arbeitslasten, aber Kerne mit einem Thread sind ideal für rechenintensive Arbeitslasten, da Prozesse auf den gesamten Kern zugreifen können, anstatt sie für andere Prozesse freizugeben.
Betriebssystem-Images
C4A-VMs unterstützen öffentliche Arm-basierte Betriebssystem-Images. Sie können auch benutzerdefinierte Images mit einem öffentlich verfügbaren Arm-basierten Image erstellen.
Tau-T2A-Maschinenserie
Die Maschinenserie Tau T2A Arm wird auf dem Ampere Altra Arm-Prozessor mit 64 Kernen und einer All-Core-Frequenz von 3,0 GHz ausgeführt. Tau T2A ermöglicht die Ausführung von Arbeitslasten, die am besten oder ausschließlich in Arm ausgeführt werden.
Die Tau-T2A-Maschinenserie hat vordefinierte Maschinentypen mit bis zu 48 physischen Kernen und 4 GB Arbeitsspeicher pro vCPU. Tau-T2A-Maschinentypen werden in einem einzelnen NUMA-Knoten ausgeführt.
Tau T2A-Maschinentypen unterstützen nur die NVMe-Schnittstelle für Speicher und Google Virtual NIC (gVNIC) für das Netzwerk. Virtio-Net und SCSI-Schnittstellen werden nicht unterstützt. Alle öffentlich verfügbaren ARM-Betriebssystem-Images sind für die Verwendung der NVMe- und gVNIC-Schnittstellen konfiguriert. gVNIC ist eine Netzwerkschnittstelle, die speziell für Compute Engine entwickelt wurde. Sie bietet eine bessere Leistung und unterstützt höhere Netzwerkbandbreiten und einen höheren Durchsatz.
In dieser Maschinenserie wird jede vCPU von einem einzelnen Kern ohne gleichzeitiges Multithreading (SMT) unterstützt.
Empfehlungen für Arbeitslasten
Die C4A-Maschinenserie eignet sich hervorragend für eine Vielzahl von horizontal skalierbaren und rechenintensiven Arbeitslasten, insbesondere wenn das Preis-Leistungs-Verhältnis ein wichtiges Kriterium ist. Berücksichtigen Sie C4A, wenn Sie Arbeitslasten wie die folgenden bereitstellen:
- ML-Datenverarbeitung
- ML-Inferenz und Modellbereitstellung
- App-Bereitstellung, Web-Serving und Spielebereitstellung
- Entwicklung eingebetteter Systeme
- Entwicklung auf CI/CD in Arm
- Videocodierung, Transcodierung und Verarbeitung
- Digitale Werbeplattformen und -bereitstellung
- Cacheserver
- Computergestützte Arzneimittelforschung
- Android-Entwicklung
- Autonome oder konventionelle Entwicklung von Automobilsoftware
Nächste Schritte
- Hier finden Sie die Spezifikationen und Funktionen der A4X-Maschinenserie.
- Lesen Sie die Spezifikationen für die C4A-Maschinenserie.
- Informationen zu den verfügbaren CPU-Plattformen für Google Cloud
- Erstellen und starten Sie eine Compute Engine-Instanz mit einem Arm-Betriebssystem-Image.