Amazon Elastic Compute Cloud(EC2) R7iz 인스턴스는 메모리에 최적화되어 높은 CPU 성능을 제공하는 인스턴스입니다. 클라우드에서 가장 빠른 4세대 인텔 제온 스케일러블 기반(사파이어 래피즈) 인스턴스로, 3.9GHz의 지속적인 올코어 터보 주파수를 제공합니다. R7iz 인스턴스는 이전 세대 z1d 인스턴스보다 최대 20% 더 나은 성능을 제공합니다. DDR5 메모리를 사용하며 z1d 인스턴스보다 메모리 대역폭이 최대 2.4배 더 높습니다. R7iz 인스턴스의 최대 메모리는 1,024GiB이고 최대 vCPU는 128개로 메모리 대 vCPU 비율이 8:1입니다. 높은 CPU 성능과 높은 메모리 공간이 결합된 R7iz 인스턴스는 프런트 엔드 전자 설계 자동화(EDA), 코어당 라이선스 비용이 높은 관계형 데이터베이스 워크로드, 금융, 계리 및 데이터 분석 시뮬레이션 워크로드에 이상적입니다.
AWS와 인텔은 현재와 미래의 컴퓨팅 요구 사항을 충족하도록 설계된 클라우드 서비스를 제공하기 위해 계속 협업하고 있습니다. 자세한 내용은 AWS와 인텔 파트너 페이지를 참조하세요.
이점
TCO 절감
R7iz 인스턴스는 이전 세대 z1d 인스턴스보다 최대 20% 더 높은 컴퓨팅 성능을 제공합니다. 최대 1,024GiB의 메모리와 결합된 높은 CPU 성능은 EDA 및 관계형 데이터베이스와 같은 애플리케이션의 전반적인 성능을 높여줍니다. 따라서 라이선스 비용을 줄이면서 제품 개발을 위한 출시 시간을 단축하는 데 도움이 될 수 있습니다.
유연성 및 선택권
R7iz 인스턴스는 클라우드의 EC2 인스턴스에 가장 넓고 깊은 선택권을 더합니다. 최대 32xlarge의 인스턴스 크기와 두 가지 베어 메탈 크기를 제공합니다. 다른 고주파 인스턴스보다 최대 2.6배 더 많은 vCPU를 사용하여 메모리 집약적인 워크로드를 스케일 업할 수 있습니다.
극대화된 리소스 효율성
R7iz 인스턴스는 전용 하드웨어와 경량 하이퍼바이저가 결합된 AWS Nitro System을 기반으로 하므로, 호스트 하드웨어의 거의 모든 컴퓨팅 및 메모리 리소스가 인스턴스에 제공되어 전반적인 성능 및 보안이 향상됩니다.
기능
높은 CPU 성능
R7iz 인스턴스는 클라우드에서 가장 빠른 4세대 인텔 제온 스케일러블 기반(사파이어 래피즈) 인스턴스로, 3.9GHz의 지속적인 올코어 터보 주파수를 제공합니다. 이 인스턴스는 Intel Total Memory Encryption(TME)을 사용하여 상시 메모리 암호화를 지원합니다.
고성능 인터페이스
R7iz 인스턴스는 최대 50Gbps의 네트워킹을 지원합니다. R7iz 인스턴스는 또한 가장 큰 크기의 Amazon Elastic Block Store(EBS)에 대해 40Gbps의 대역폭을 지원합니다. 또한 R7iz 인스턴스에는 최대 88개의 EBS 볼륨을 연결할 수 있습니다(최대 28개의 EBS 볼륨 연결을 허용하는 z1d 인스턴스와 비교). R7iz 인스턴스는 새로운 DDR5 메모리 기술을 사용하고 유사한 고주파수 인스턴스보다 최대 2.4배 더 높은 메모리 대역폭을 제공합니다. R7iz 인스턴스는 32xlarge 및 metal-32xl 크기에서 Elastic Fabric Adapter(EFA)를 지원합니다.
새로운 액셀러레이터
4세대 인텔 제온 스케일러블 프로세서는 4개의 새로운 내장형 액셀러레이터를 제공합니다. 모든 크기에서 사용 가능한 Advance Matrix Extensions(AMX)가 CPU 기반 기계 학습과 같은 애플리케이션의 행렬 곱 연산을 가속화합니다. Data Streaming Accelerator(DSA), In-Memory Analytics Accelerator(IAA) 및 QuickAssist Technology(QAT) - R7iz 베어 메탈 크기에서 사용 가능 - 데이터베이스, 암호화 및 압축, 대기열 관리 워크로드의 성능을 최적화하는 데 도움이 되는 데이터 작업의 효율적인 오프로드 및 가속화를 지원합니다.
Nitro System 기반
AWS Nitro System은 다양한 방식으로 구성할 수 있기 때문에 AWS에 광범위한 컴퓨팅, 스토리지, 메모리 및 네트워킹 옵션을 선택하여 EC2 인스턴스 유형을 설계하고 신속하게 제공할 수 있는 유연성을 제공합니다. Nitro Card는 기능을 지원하는 데 따른 IO의 부담을 덜어 IO 속도를 높임으로써 전반적인 시스템 성능을 개선합니다.
제품 세부 정보
Amazon EC2 R7iz 인스턴스는 4세대 인텔 제온 스케일러블 프로세서로 구동되며 높은 CPU 및 메모리 집약적 워크로드에 적합합니다.
| 인스턴스 크기 | vCPU | 메모리(GiB) | 인스턴스 스토리지(GB) | 네트워크 대역폭(Gbps) | EBS 대역폭(Gbps) |
r7iz.large |
2 |
16 |
EBS 전용 |
최대 12.5 |
최대 10 |
r7iz.xlarge |
4 |
32 |
EBS 전용 |
최대 12.5 |
최대 10 |
r7iz.2xlarge |
8 |
64 |
EBS 전용 |
최대 12.5 |
최대 10 |
r7iz.4xlarge |
16 |
128 |
EBS 전용 |
최대 12.5 |
최대 10 |
r7iz.8xlarge |
32 |
256 |
EBS 전용 |
12.5 |
10 |
r7iz.12xlarge |
48 |
384 |
EBS 전용 |
25 |
19 |
r7iz.16xlarge |
64 |
512 |
EBS 전용 |
25 |
20 |
r7iz.32xlarge |
128 |
1,024 |
EBS 전용 |
50 |
40 |
r7iz.metal-16xl |
64 |
512 |
EBS 전용 |
25 |
20 |
r7iz.metal-32xl |
128 |
1,024 |
EBS 전용 |
50 |
40 |
고객 추천사
Aiven은 최신 데이터 인프라를 구축할 수 있는 오픈 소스 클라우드 데이터 플랫폼을 제공합니다.
“당사는 데이터 인프라를 단순화하여 비용 효율성을 높이고 소프트웨어 민첩성을 높이는 데 도움이 되는 솔루션을 제공합니다. 처리량과 지연 시간은 데이터 플랫폼을 위한 클라우드 컴퓨팅 옵션을 선택할 때 평가되는 중요한 요소입니다. 최신 Amazon EC2 R7iz 인스턴스의 성능 제한을 넘어 이전 세대 R6i 인스턴스보다 170% 더 높은 처리량을 달성하고 평균 지연 시간을 41% 낮출 수 있게 되어 매우 기쁩니다.”
Heikki Nousiainen, Aiven CTO
Astera Labs는 데이터 센터 전체에서 성능 병목 현상을 제거하는 전용 데이터 및 메모리 연결 솔루션 분야의 리더입니다.
"당사는 클라우드를 위해 100% 클라우드에 솔루션을 구축합니다. 따라서 새로운 Amazon EC2 R7iz 인스턴스 사용으로 R6i 인스턴스보다 향상된 단일 스레드 성능을 이용할 수 있을 것으로 기대하고 있습니다. 새로운 R7iz 인스턴스를 테스트하는 동안 R6i 인스턴스에 비해 최대 25%의 성능 향상을 실현할 수 있었습니다. 향상된 성능을 통해 클라우드에서 인공 지능 및 기계 학습의 비전을 실현하는 실리콘, 소프트웨어 및 시스템 수준 연결 솔루션을 제공하는 능력을 가속화할 수 있을 것입니다."
Jitendra Mohan, Astera Labs CEO
Nasdaq은 증권 및 기타 상품을 사고파는 글로벌 전자 거래소이자 50여 개국에 있는 130개의 다른 거래소, 규제 기관 및 거래 후 조직에 시장 인프라 기술을 제공합니다.
"당사는 Amazon EC2 고주파 인스턴스를 활용하여 안정성, 매우 짧은 대기 시간 및 대규모 고성능을 고객에게 제공합니다. Amazon EC2 R7iz 인스턴스는 워크로드에 탁월한 처리량(throughput)을 제공하는 더 나은 NUMA 친화성을 갖춘 새로운 더 작은 베어 메탈 크기로 제공되며, 시스템 아키텍처를 간소화하고, 지연 시간을 줄여 결정성을 향상시킵니다. 이러한 혁신은 세계 자본 시장을 위한 차세대 클라우드 지원 인프라를 구축하기 위한 AWS와 Nasdaq의 파트너십의 중요한 구성 요소입니다."
Nikolai Larbalestier, NASDAQ 수석 부사장
Noname Security는 모든 레거시 및 최신 API를 검색, 분석, 수정 및 테스트할 수 있는 강력하고 완전하며 사용하기 쉬운 API 보안 플랫폼을 만듭니다.
“당사는 AI와 기계 학습으로 트래픽 분석을 수행하여 API 위협을 자동으로 탐지합니다. 짧은 지연 시간과 높은 대역폭의 보안을 제공하는 것이 중요한데, 벤치마킹 중에 Amazon EC2 R7iz 인스턴스는 C6i 인스턴스에 비해 3배 빠른 응답 시간과 더 높은 처리량으로 실시간에 가까운 보안을 제공했습니다. 또한 새로운 Advanced Matrix Extensions(AMX)를 활용하여 기계 학습 워크로드의 성능을 가속화함으로써 전 세계 API 보안 취약성과 사이버 공격의 위험을 줄일 수 있게 되어 기쁩니다.”
Shay Levi, Noname Security CTO
SingleStoreDB는 실시간 애플리케이션을 구동하기 위한 속도와 확장성에 중점을 두고 구축된 클라우드 네이티브 데이터베이스입니다.
“전 세계 거의 모든 업종의 선도 기업들이 SingleStoreDB를 사용하여 향상된 고객 경험을 제공하고 운영 및 보안을 개선합니다. 지속적으로 증가하는 워크로드를 지원하려면 기본 인프라의 컴퓨팅 성능을 최적화해야 합니다. 엔지니어링 팀에서 Amazon EC2 R7iz 인스턴스를 테스트한 결과 이전 세대 아이스 레이크 기반 인스턴스에 비해 데이터베이스 성능이 19% 개선되는 것을 확인했습니다. Amazon EC2의 최신 사파이어 래피즈 인스턴스를 활용하여 트랜잭션 및 분석에 탁월한 성능을 제공할 수 있기를 기대합니다.”
Rob Weidner, SingleStoreDB Director of Cloud Partnerships
TotalCAE의 플랫폼은 수백 개의 엔지니어링 애플리케이션을 지원하여 클라우드에서 고성능 컴퓨팅(HPC) 애플리케이션을 간편하게 채택할 수 있도록 합니다.
“Amazon EC2 R7iz 인스턴스는 1TB의 최신 DDR5 메모리와 3.9GHz에서 실행되는 최신 4세대 인텔 제온 스케일러블 프로세서를 결합하여 유한 요소 분석(FEA)과 같은 애플리케이션에 필요한 차세대 성능을 제공합니다. R7iz 인스턴스에서 여러 플래그십 라이선스 FEA 애플리케이션을 테스트한 결과, 동일한 라이선스 비용으로 이전 세대 R6iD 인스턴스에 비해 성능이 최대 19% 향상되었습니다. FEA 애플리케이션 라이선스에 막대한 투자를 하는 고객이 많은데, 당사는 고객이 라이선스 투자를 극대화하고 시장 출시 시간을 단축할 수 있기를 바랍니다.”
Rod Mach, TotalCAE President
Amazon Relational Database Service(RDS)는 클라우드에서 간편하게 데이터베이스를 설치, 운영 및 확장할 수 있는 관리형 서비스 모음입니다.
"Amazon EC2 R7iz 인스턴스는 일반적으로 코어당 라이선스 비용이 높은 관계형 데이터베이스 워크로드에 이상적입니다. 까다로운 워크로드를 실행하는 항공사 및 은행 고객은 현재 z1d 인스턴스를 사용합니다. z1d보다 20% 더 높은 R7iz의 컴퓨팅 성능, 더 큰 크기(최대 32xlarge) 및 2.4배의 메모리 스루풋(최신 DDR5 사용)은 이러한 고객이 지속적으로 확장하면서 우수한 성능을 달성하는 데 도움이 될 것입니다."
Kambiz Aghili, AWS의 GM, RDS, DBS 관리형 상용 엔진 부문 총 관리자
Hugging Face Hub는 누구나 오픈 소스 ML을 공유하고, 탐색하고, 발견하고, 실험할 수 있는 중심지 역할을 합니다.
“Hugging Face는 Hugging Face를 사용하는 수백만 명의 AI 빌더를 위해 인텔 제온 CPU부터 Habana Gaudi AI 액셀러레이트에 이르는 최신 하드웨어에서 인텔과 협력하여 최신 모델을 가속화한 것을 자랑스럽게 생각합니다.
Amazon EC2에서 바로 사용할 수 있는 인텔 제온 4세대의 새로운 가속 기능은 Advanced Matrix Extensions(AMX) 덕분에 트랜스포머 훈련 및 추론에서 bfloat16 및 INT8을 지원합니다.
Intel Extension for Pytorch(IPEX)를 Optimum-인텔 라이브러리에 통합함으로써 Hugging Face 사용자가 최소한의 코드 변경으로 가속 이점을 매우 쉽게 얻을 수 있도록 했습니다. 사용자 지정 EC2 7세대 인스턴스(예: Amazon EC2 R7iz 및 기타 인스턴스)를 사용하여 DistilBERT의 속도를 8배 개선하고 동일한 트랜스포머 모델에서 추론을 3배 빠르게 실행할 수 있었습니다. 마찬가지로 Stable Diffusion 모델을 사용하여 이미지를 생성할 때 속도가 6.5배 빨라졌습니다.”
Ella Charlaix, Hugging Face ML Engineer
