HSPICE仿真时间从30天缩减到17小时！42倍效率提升是如何做到的？( 二 ) 蓝字关注我们作为最早的电子

第四步，任务完成时间很可能难以预测。
即使是可测的，我们可以想象一个场景——有个任务预计在凌晨跑完，用户此时有两个选择：
1、调一个闹钟，半夜起来关机——有人遭罪；
2、睡到自然醒，次日上班关机——成本浪费。
文章插图
在手动模式下，通常都是先构建一个固定规模的集群，然后提交任务，全部任务结束后，关闭集群。
想一下一个几千core的集群拉起来之后，第二、三、四步手动配置的时间里，所有机器一直都是开启状态，也就是说，烧钱中。
再看看我们的自动化部署：
第一步，不需要；
第二步，只需要点击几个按钮， 5-10分钟即可开启集群；
第三步，我们有Auto-Scale功能，自动开关机。
另外，我们还自带资源的管理和监控功能。
fastone的Auto-Scale功能可以自动监控用户提交的任务数量和资源的需求，动态按需地开启所需算力资源，在提升效率的同时有效降低成本。

所有操作都是自动化完成，无需用户干预；
在实际开机过程中，可能遇到云在某个可用区资源不足的情况， fastone会自动尝试从别的区域开启资源；
如果需要的资源确实不够，又急需算力完成任务，用户还可以从fastone界面选择配置接近的实例类型来补充。

文章插图
跨区域，跨机型使用，在本次实证场景没有用到。
我们还可以根据GPU的需求来实现自动伸缩，下次单独聊。
实证场景一：云端验证
本地40核 VS 云端40核 VS 云端80核
结论：
1、当计算资源与任务拆分方式均为5*8核时，本地和云端的计算周期基本一致；
【HSPICE仿真时间从30天缩减到17小时！42倍效率提升是如何做到的？】2、在云端将任务拆分为10*4核后，比5*8核的拆分方式计算周期减少三分之一;
3、当任务拆分方式不变，计算资源从40核增加到80核，计算周期减半；
4、当计算资源翻倍，且任务拆分方式从5*8核变更为10*4核后，计算周期减少三分之二;
5、fastone自动化部署可大幅节省用户的时间和人力成本。

文章插图
实证过程：
1、本地使用40核计算资源，拆分为5*8核，运行编号为1的HSPICE任务，耗时42小时；
2、云端调度40核计算资源，拆分为5*8核，运行编号为1的HSPICE任务，耗时42小时；
3、云端调度40核计算资源，拆分为10*4核，运行编号为1的HSPICE任务，耗时28小时;
4、云端调度80核计算资源，拆分为10*8核，运行编号为1的HSPICE任务，耗时21小时；
5、云端调度80核计算资源，拆分为20*4核，运行编号为1的HSPICE任务，耗时14小时。
实证场景二：大规模业务验证
超大规模计算任务
结论：
1、增加计算资源并优化任务拆分方式后，云端调度1920核计算资源，将一组超大规模计算任务（共计24个HSPICE任务）的计算周期从原有的30天缩短至17小时即可完成，云端最优计算周期与本地计算周期相比，效率提升42倍；
2、由fastone平台自研的Auto-Scale功能，使平台可根据HSPICE任务状态在云端自动化构建计算集群，并根据实际需求自动伸缩，计算完成后自动销毁，在提升效率的同时有效降低成本；
3、随着计算周期的缩短，设备断电、应用崩溃等风险也相应降低，作业中断的风险也大大降低。在本实例中未发生作业中断。

文章插图
实证过程：
1、本地使用40核计算资源，拆分为5*8核，运行编号从0到23共计24个HSPICE任务，耗时约30天;
2、云端调度1920核计算资源，拆分为24组，每组为20*4核，运行编号从0到23共计24个HSPICE任务，耗时17个小时。
实证小结
我们回顾一下实证目标：
1、HSPICE任务在云端能高效运行；
2、异构的云端资源能更好适配HSPICE任务需求，避免资源浪费；
3、fastone平台有效解决了算力不足问题，效率提升42倍；
4、相比手动模式， fastone平台自研的Auto-Scale功能，既能有效提升部署效率，降低部署门槛，又能大大缩短整个计算周期资源占用率，节约成本。
至于本次实证场景没用到的跨区域，跨机型使用，还有根据GPU的需求来实现自动伸缩，我们下次再聊。