Amazon Lab

Amazon Lab126 Menciptakan Solusi HPC untuk Membantu Tim Mempercepat Pengembangan dan Inovasi

2020

Beberapa perangkat teknologi konsumen yang paling populer saat ini telah terlahir di Amazon Lab126. Organisasi penelitian dan pengembangan yang berbasis di California ini telah menciptakan perangkat terkenal seperti e-reader Amazon Kindle dan speaker pintar Amazon Echo.

Tim Amazon Lab126 Devices menggunakan kapasitas komputasi performa tinggi (HPC) dan kemampuan machine learning untuk menskalakan lingkungan desain guna mempercepat pengembangan produk, menambah efisiensi, dan meningkatkan kecepatan masuk pasar (TTM). Namun, lingkungan HPC on-premise-nya yang sudah lama dan mahal tidak dapat memberikan skalabilitas dan kemudahan penggunaan yang dibutuhkan tim ini. “Kami menjalankan simulasi besar dengan waktu proses yang lama, seperti mengamati respons mekanis dan termal perangkat konsumen dalam kondisi tertentu,” kata Shankar Ganapathysubramanian, manajer senior (senior manager) tim arsitektur di Amazon Lab126. “Kami membutuhkan lebih banyak kapasitas komputasi untuk mendukung beban kerja ini.” Amit Gaikwad, manajer senior (senior manager) rekayasa nirkabel untuk Amazon Lab126, menambahkan, “Kami merancang dan membangun lebih banyak solusi yang digunakan pelanggan, dan lingkungan HPC on-premise tidak memberikan skalabilitas dan kecepatan yang kami butuhkan.”

Tim desain dan rekayasa Amazon melakukan simulasi dan pemodelan pada berbagai aplikasi seperti dinamika fluida komputasi, analisis elemen terhingga, otomatisasi desain elektronik, dan elektromagnetika komputasi. Kemampuan layanan mandiri merupakan persyaratan penting untuk mendukung tim yang beragam ini. Mickael Crozes, rekayasawan developer sistem/perangkat lunak senior (senior system/software developer engineer) untuk Amazon Lab126, mengatakan, “Tim yang berbeda-beda memiliki kebutuhan kapasitas komputasi yang berbeda-beda, dan kami tidak memiliki fleksibilitas untuk mengakomodasi semuanya. Kami ingin memusatkan sumber daya HPC sehingga setiap tim dapat mengakses lingkungan mereka sendiri sesuai permintaan. Kami tidak memiliki kemampuan untuk meluncurkan klaster HPC baru untuk setiap tim saat mereka membutuhkannya.”

kr_quotemark

Dengan HPC di AWS, sekarang kami dapat mendukung lebih banyak perangkat, menjelajahi teknologi baru, dan lebih memahami bagaimana perangkat berperilaku di lapangan."

Amit Gaikwad
Manajer Senior (Senior Manager), Rekayasa Nirkabel, Amazon Lab126

Membangun Kerangka Kerja HPC yang Dapat Diskalakan di AWS

Untuk memenuhi kebutuhan pelanggan internalnya, tim Amazon Lab126 memilih untuk membuat lingkungan HPC cloud baru di Amazon Web Services (AWS) pada akhir 2017. “Kami mengevaluasi layanan HPC pihak ketiga, tetapi AWS menawarkan teknologi terbaik dalam hal skalabilitas dan fleksibilitas jenis instans komputasi,” kata Crozes. “Kami juga memercayai AWS untuk memiliki komputasi dan meng-hosting data kami.”

Pada tahun 2018, Amazon Lab126 membangun kerangka kerja referensi HPC yang fleksibel di AWS, yang menggantikan solusi HPC on-premise-nya dan memungkinkan lingkungan R&D multi-pengguna berbasis AWS untuk memperluas skala beban kerja seperti HPC dan machine learning. Kerangka kerja baru ini mengintegrasikan dan menyederhanakan instans Amazon Elastic Compute Cloud (Amazon EC2) yang sarat komputasi dengan tulang punggung jaringan yang cepat, penyimpanan tidak terbatas, serta manajemen anggaran dan biaya. Kerangka kerja tersebut mengandalkan Amazon Elastic Block Store (Amazon EBS) dan Amazon Elastic File System (Amazon EFS) untuk penyimpanan data. Amazon Lab126 juga menggunakan Amazon FSx for Lustre untuk beban kerja yang paling padat I/O dan AWS Backup agar klasternya lebih tahan terhadap kesalahan. Crozes mengatakan, “AWS Backup adalah solusi sempurna untuk mengotomatiskan perlindungan lingkungan produksi. Kami akan memerlukan banyak iterasi jika kami membuat sendiri solusi tersebut, yang diperlukan untuk melindungi semua data tim, mengelola retensi/siklus hidup, dan mudah digunakan.”

Menjalankan Tugas HPC Tiga Kali Lebih Cepat

Perancang dan rekayasawan produk Lab126 telah memperoleh peningkatan performa pada klaster HPC baru. Misalnya, tim konektivitas perangkat nirkabel meningkatkan waktu siklus untuk simulasi struktural perangkat jatuh yang mempelajari perilaku ponsel saat membentur tanah atau permukaan lain. “Kami memperoleh peningkatan kecepatan tiga kali lipat untuk seluruh siklus desain kami menggunakan kerangka kerja HPC dengan skala komputasi yang diperluas di AWS,” kata Ganapathysubramanian. “Kami dapat menjalankan lebih banyak simulasi sekarang karena kerangka kerja tersebut mempermudah untuk memparalelkan beban kerja. Dengan solusi HPC on-premise, sering kali perlu waktu berminggu-minggu untuk menghasilkan data. Sekarang kita bisa melakukannya dalam hitungan jam.”

Dengan kerangka kerja baru di AWS ini, perancang dan rekayasawan Amazon Devices dapat menskalakan sesuai permintaan untuk memenuhi persyaratan beban kerja tertentu. “Kami memiliki waktu proses yang sangat besar yang membutuhkan banyak komputasi hanya untuk menganalisis data konektivitas nirkabel,” kata Gaikwad. “Dengan solusi ini, rekayasawan kami di seluruh dunia dapat menskalakan solusi tiga kali lebih cepat dari sebelumnya. Selain itu, mereka juga dapat menurunkan skala dengan mudah, sehingga jika mereka tidak membutuhkan 100 GPU untuk suatu pekerjaan, mereka tidak perlu menggunakannya.”

Menyederhanakan Proses Orientasi

Tim Amazon Lab126 Design Technologies juga dapat memberikan proses orientasi dan dukungan untuk tim rekayasa Perangkat Amazon baru di klaster HPC tanpa bantuan dari sumber daya IT—dan melakukannya dalam waktu kurang dari sehari, bukan berminggu-minggu. “Kami sekarang memiliki lingkungan HPC yang fleksibel dan terpusat yang beroperasi dengan mulus untuk semua pengguna, terlepas dari persyaratan beban kerja mereka,” kata Crozes. “Hal ini telah sangat mengurangi kerumitan proses orientasi. Banyak orang di sini bukanlah ahli HPC, sehingga kemudahan penggunaan ini membantu mereka berfokus pada keahlian desain spesifik mereka.”

Tim Amazon Devices sekarang dapat melakukan alur kerja rekayasa yang dibantu komputer (desain model/meshing, simulasi, dan visualisasi pasca-pemrosesan) seluruhnya di AWS. Hal ini dimungkinkan karena rekayasawan dan perancang yang bekerja dari rumah sekarang memiliki superkomputer dan workstation canggih berbasis cloud khusus mereka sendiri hanya dengan sekali klik.

Mendorong Inovasi Produk

Karena skalabilitas dan kesederhanaan lingkungan HPC berbasis AWS, tim Amazon Devices menghabiskan lebih sedikit waktu untuk manajemen perangkat keras dan lebih banyak waktu untuk inovasi. "Dengan HPC di AWS, sekarang kami dapat mendukung lebih banyak perangkat, menjelajahi teknologi baru, dan lebih memahami bagaimana perangkat berperilaku di lapangan," kata Gaikwad. Misalnya, tim konektivitas nirkabel Amazon Devices baru-baru ini memenangkan DesignCon Best Paper Award untuk penelitiannya dalam mengoptimalkan sistem nirkabel dengan gangguan frekuensi radio yang minimal.

Ganapathysubramanian mengatakan, “Banyak pekerjaan yang diperlukan bahkan sebelum kami dapat melakukan simulasi, seperti membangun model dari perhitungan geometris. Melalui otomatisasi kerangka kerja dengan skala komputasi yang diperluas di AWS, kami telah mengurangi kerumitan beberapa pekerjaan manual ini sehingga rekayasawan kami dapat berfokus pada pekerjaan yang lebih bernilai tambah. HPC di AWS membantu kami memikirkan peluang baru. Misalnya, di beberapa produk Amazon Echo yang lebih baru, kami dapat mengintegrasikan struktur desain termal secara lebih mudah dengan menghubungkan berbagai data yang disimpan di AWS, untuk mengoptimalkan desain beberapa fungsi produk.”

Amazon Lab126 kini memasuki fase berikutnya dalam solusi HPC-nya, yang didukung oleh kerangka kerja dengan skala komputasi yang diperluas di AWS. “Kami akan terus memenuhi kebutuhan pelanggan kami,” kata Jake Boswell, manajer senior (senior manager) teknologi desain untuk Amazon Lab126. “Kami ingin membuat arsitektur referensi lebih sederhana dan memperluas kerangka kerja ini ke area-area tambahan untuk mendukung inovasi.”

Untuk mempelajari lebih lanjut, kunjungi aws.amazon.com/solutions/implementations/scale-out-computing-on-aws dan aws.amazon.com/hpc.


Tentang Amazon Lab126

Amazon Lab126, yang berbasis di Sunnyvale, California, adalah tim penelitian dan pengembangan Amazon yang merancang dan merekayasa perangkat elektronik konsumen untuk Amazon. Lab ini, yang terdiri dari tim perangkat keras, perangkat lunak, dan operasi Amazon Devices, telah mengembangkan produk terkenal seperti Amazon Echo dan Amazon Kindle.

Manfaat AWS

  • Menjalankan tugas HPC dan menskalakan beban kerja 3 kali lebih cepat
  • Memberikan proses orientasi kepada pengguna baru dalam waktu kurang dari sehari, bukan berminggu-minggu
  • Dapat meluncurkan klaster HPC baru untuk setiap tim sesuai kebutuhan
  • Mendorong inovasi desain produk

Layanan AWS yang Digunakan

Amazon EC2

Amazon Elastic Compute Cloud (Amazon EC2) adalah layanan web yang memberikan kapasitas komputasi yang aman dan berukuran fleksibel di cloud. Amazon EC2 dirancang untuk membuat komputasi cloud berskala web lebih mudah bagi pengembang.

Pelajari selengkapnya »

Amazon Elastic File System

Amazon Elastic File System (Amazon EFS) memberikan sistem file NFS elastis yang sederhana, dapat diskalakan, dan terkelola penuh untuk digunakan dengan layanan AWS Cloud dan sumber daya on-premise.

Pelajari selengkapnya »

Amazon Elastic Block Store

Amazon Elastic Block Store (EBS) adalah layanan penyimpanan blok berperforma tinggi yang mudah digunakan dengan Amazon Elastic Compute Cloud (EC2) untuk beban kerja padat throughput dan transaksi pada segala skala.

Pelajari selengkapnya »

AWS Backup

AWS Backup adalah layanan pencadangan terkelola penuh yang memudahkan untuk memusatkan dan mengotomatiskan pencadangan data di seluruh layanan AWS.

Pelajari selengkapnya »


Mulai

Perusahaan segala ukuran dan lintas industri mentransformasikan bisnisnya setiap hari menggunakan AWS. Hubungi ahli kami dan mulai perjalanan AWS Cloud Anda sendiri sekarang juga.