MDシミュレーション用にラボでクラスターを構築するよりも、クラウドでクラスターを構築する方が安いのはいつですか？

およそアンAmazon EC2の計算クラスタ費$ 800- $ 3年にわたって物理CPUコアあたり（デューティ・サイクルに応じて）1000年。私たちの最後のハードウェア取得で、私のラボはAmazonのクラスターと非常によく似た48コア相当のハードウェアを1コアあたり約300ドルでピックアップしました。

ここに何かが足りませんか？分子動力学シミュレーションなどの高CPUタスクのためにクラウドにクラスターを構築することが経済的に意味のある状況はありますか？それとも、自分でダングマシンを構築してベビーシッターをするだけの方がいいのでしょうか。

（私の研究室では、サーバールームで電気料金を支払っていません（少なくとも直接ではありませんが、この利点があっても、Amazonは依然として非常に高価なようです）。

私の意見では、クラウドベースのリソースを使用する主な利点は柔軟性です。つまり、ワークロードが変動する場合、必要な分だけ支払うだけです。

これがアプリケーションに当てはまらない場合、つまり、定量化可能で一定のワークロードがあることがわかっている場合は、おそらく独自のクラスターを構築する方が良いでしょう。クラウドでは、柔軟性にお金を払います。柔軟性が必要なければ、必要のないものにお金を払うことになります。

ワークロードが柔軟であるが、ある程度激しく、特定のハードウェア機能に依存している場合（aeismailの答えを参照）、大学内の他の人とクラスターを共有して、アイドルサイクルを償却することができます。私の古い大学は、このような共有クラスターを「共有者モデル」で実行しています。この共有モデルでは、すべてのグループがハードウェアへの投資に比例した計算能力のシェアを保証され、誰でも使用できるアイドルサイクルを使用できます。唯一の問題は、クラスター管理を集中化することです。

MDシミュレーションを使用してクラウドコンピューティングを行う場合、いくつかの点に注意する必要があります。たとえば、これらのジョブが実行されるサーバーファーム内のプロセッサの物理レイアウトについて心配する必要があります。その理由は、シミュレーションのサイズ、および実行している計算の種類（たとえば、静電気を含むシステム）に応じて、FFTに大きく依存している可能性があり、巨大なクラスター内の異なるプロセッサに電子を押しやるからです。計算時間全体の中で非常に時間がかかる部分になる可能性があります。

また、MDのようなデータ集約型の場合は、サーバーへの高速なアップロードおよびダウンロード接続と、データストレージの適切な制限があることを確認する必要があります。そうしないと、生産性と保管料の損失で多くのコスト削減が失われてしまいます。

私たちの研究所は、ローカルクラスター用にコアあたり500ユーロ未満のコストで約240コアを購入するだけの価値があります。この費用には、キャンパスでの4年間のホスティングと管理、およびサービスが含まれます。年間ベースでは、とんでもないほど安いようです。これはおそらく、両方の世界で最も優れていると思います。ローカルアクセスですが、独自のITチームを必要とせずに専門的に維持されます。

AmazonのEC2のようなクラウドサービスを直接体験したことはありませんが、コアあたりの実際のコストは、おそらくあなたが引用するよりもはるかに高いでしょう：初期購入、電気、冷却、建物のスペース、交換用ハードウェアのコストです。さらに、管理コスト：OSとクラスターサービスのセットアップ、OSの最新状態の維持、キューのトラブルシューティングなど。これらすべての合計が初期購入の2倍のコストである場合、私はまったく驚かないでしょう。もちろん、柔軟性が得られます。

私にとって、モデルはスケールダウンしています：本当に大きなクラスター（1000コア以上）がある場合、専門家を忙しくしておくのに十分なので、作業時間、修理、システム管理を償却できます。専任の人に任せる価値がない小さなクラスターがある場合、最初の仕事は科学を行うべきである誰かをやらせる可能性があります。その場合、この人の時間はそのような管理職にあまり費やされていません。これは、クラウドサーバーなどのオンデマンドサービスが光る場所です。

すでに優れた回答の一部を補足するものとして、考慮すべきもう1つの要素があります。

• 費用に関係なく、どのようにそれを支払うつもりですか？

私は、補助金の非自明数遭遇したではないだろうどのような状況の下で、ハードウェアの費用を支払うが、EC2のようなものに時間を計算するために支払うことになりますが。そのため、資金調達状況によっては、非構造化資金またはラボスタートアップパッケージを使用して小規模な「テストベッド」クラスターに資金を提供できる場合もありますが、大規模プロジェクトの場合はコンピューティングコストを資金調達する唯一の方法かもしれません。

NIHを検討してください。

ADP /コンピューターサービス：ここに含めるサービスは、スーパーコンピューターでの計算時間の予約や統計の実行を支援する特別なソフトウェアの取得など、特定のコンピューターサービスを調査する必要があります。このセクションには、標準のデスクトップオフィスコンピューター、ラップトップ、または教育機関が提供する標準の技術サポートを含めないでください。これらのタイプの料金は、F＆Aコストから発生するはずです。

クラスターマシンを5,000ドル以上の機器の見出しの下に置くことは可能ですが、それについては十分な議論をすることができますが、それについては気難しいレビュー担当者と、そのような維持にかかる継続的なコストをためらう大学の両方を見つけましたシステム。

一部の助成金はさらに厳格です。私が現在持っている助成金の1つは次のとおりです。

資金はコンピューターのハードウェアにも使用できません

EC2ベースまたは多くの類似品のいずれかが実際にハードウェアを購入するよりも、特にあなたの機関が間接費にstしている場合は、直接費用でクラスターを支払うほうが簡単です。これはあなたには当てはまらないかもしれませんが、一部の人には当てはまります。

すでに多くの神の答えがあります。2つの小さなポイントを追加したいだけです。

1.）IBMが同様のものを提供していることを知っています。そのため、アプリケーションによっては、さまざまなオファーを比較する価値があるかもしれません。コストだけでなく、機器に関しても。

2.）もちろん、ほとんどのラボは小さすぎて、独自のクラスターに投資できません。したがって、問題は、複数のラボをまとめて、異なるラボ間で共有されるクラスターに投資することができないかどうかです。これには、明らかなコスト共有効果に加えて、より均等な負荷分散の利点もあります。