فلش‌کارت‌های آموزشی رقابت CPUها و ابر در HPC: راهنمای عملی برای سرعت و صرفه‌جویی در AWS، Azure، GCP و OCI

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره رقابت CPUها و ابر در HPC: راهنمای عملی برای سرعت و صرفه‌جویی در AWS، Azure، GCP و OCI

موضوع کلی: مدیریت و بهینه‌سازی عملکرد و هزینه در رایانش ابری

موضوع میانی: انتخاب و بهینه‌سازی زیرساخت‌های ابری برای محاسبات با کارایی بالا (HPC)

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر محاسبات با کارایی بالا (HPC)
• 2. چرا HPC به ابر مهاجرت می‌کند؟ چالش‌ها و فرصت‌ها
• 3. معرفی دوره و الهام‌بخشی از مقاله مرجع
• 4. کالبدشکافی عنوان دوره: رقابت CPUها، ابر، سرعت و صرفه‌جویی
• 5. معرفی غول‌های ابری: AWS، Azure، GCP و OCI و جایگاه آن‌ها در HPC
• 6. تعریف بارهای کاری HPC: از شبیه‌سازی تا هوش مصنوعی
• 7. مفاهیم پایه: هسته، نخ (Thread)، فرکانس کلاک و IPC
• 8. مجازی‌سازی چیست و چگونه کار می‌کند؟ آشنایی با Hypervisor
• 9. تفاوت سرورهای Bare-Metal و ماشین‌های مجازی (VMs) در زمینه HPC
• 10. چالش سه‌گانه: عملکرد، هزینه و مقیاس‌پذیری در ابر
• 11. کالبدشکافی CPU: معماری، کش (Cache) و تأثیر آن بر عملکرد
• 12. جنگ پردازنده‌ها: معماری‌های Intel Xeon، AMD EPYC و ARM Graviton
• 13. اهمیت پهنای باند و تأخیر حافظه (Memory Bandwidth & Latency)
• 14. آشنایی با NUMA (Non-Uniform Memory Access) و اهمیت آن در سرورهای چندهسته‌ای
• 15. شبکه‌های با تأخیر کم و پهنای باند بالا: InfiniBand در مقابل Ethernet (RDMA vs EFA)
• 16. تأثیر مجازی‌سازی بر عملکرد CPU: سربار Hypervisor
• 17. تکنیک‌های بهینه‌سازی مجازی‌سازی برای HPC: CPU Pinning و Huge Pages
• 18. آشنایی با خانواده Instanceها: Compute-Optimized، Memory-Optimized و General-Purpose
• 19. معیارهای کلیدی عملکرد: FLOPS، پهنای باند حافظه و تأخیر شبکه
• 20. چرا و چگونه عملکرد را محک می‌زنیم؟ اصول بنچمارکینگ
• 21. معرفی بنچمارک‌های استاندارد HPC: HPL، HPCG و STREAM
• 22. بنچمارک‌های متمرکز بر CPU: SPEC CPU 2017 (Integer & Floating Point)
• 23. بنچمارک‌های کاربردی: OpenFOAM، GROMACS و WRF
• 24. آماده‌سازی محیط تست: انتخاب سیستم‌عامل، کامپایلرها و کتابخانه‌ها
• 25. راهنمای عملی اجرای بنچمارک HPL (Linpack) برای سنجش توان محاسباتی
• 26. راهنمای عملی اجرای بنچمارک STREAM برای سنجش پهنای باند حافظه
• 27. جمع‌آوری و اعتبارسنجی نتایج: جلوگیری از خطاهای رایج
• 28. تحلیل و تفسیر نتایج بنچمارک‌ها: چگونه اعداد را به دانش تبدیل کنیم
• 29. معرفی سرویس‌های محاسباتی AWS: نگاهی به EC2
• 30. مروری بر Instanceهای بهینه‌سازی شده برای محاسبات در AWS (سری C و Hpc)
• 31. معماری پردازنده‌های AWS: از Intel و AMD تا AWS Graviton
• 32. شبکه‌سازی پیشرفته در AWS: آشنایی با Elastic Fabric Adapter (EFA)
• 33. ابزارهای ارکستراسیون HPC در AWS: معرفی AWS ParallelCluster
• 34. مدل‌های قیمت‌گذاری EC2 و تأثیر آن بر هزینه‌های HPC
• 35. معرفی سرویس‌های محاسباتی Microsoft Azure: نگاهی به Virtual Machines
• 36. مروری بر Instanceهای سری H در Azure (HBv3, HC) و پشتیبانی از InfiniBand
• 37. معماری پردازنده‌های موجود در Azure: تمرکز بر AMD EPYC
• 38. شبکه‌سازی پیشرفته در Azure: آشنایی با RDMA و InfiniBand
• 39. ابزارهای ارکستراراسیون HPC در Azure: معرفی Azure CycleCloud
• 40. مدل‌های قیمت‌گذاری Azure و بهینه‌سازی هزینه
• 41. معرفی سرویس‌های محاسباتی Google Cloud: نگاهی به Compute Engine
• 42. مروری بر Instanceهای بهینه‌سازی شده برای محاسبات در GCP (سری C2, C2D, C3)
• 43. معماری پردازنده‌های موجود در GCP و نوآوری‌های گوگل
• 44. شبکه‌سازی پیشرفته در GCP: آشنایی با Google Virtual NIC (gVNIC)
• 45. ابزارهای ارکستراسیون HPC در GCP: استفاده از Slurm و ابزارهای متن‌باز
• 46. مدل‌های قیمت‌گذاری GCP و تخفیف‌های استفاده مستمر (SUDs)
• 47. معرفی سرویس‌های محاسباتی Oracle Cloud Infrastructure (OCI)
• 48. مروری بر HPC Shapes در OCI: تمرکز بر Bare-Metal و RDMA Cluster Networking
• 49. معماری پردازنده‌های موجود در OCI و مزیت‌های آن
• 50. شبکه‌سازی پیشرفته در OCI: عملکرد برتر با RDMA over Converged Ethernet (RoCE)
• 51. ابزارهای ارکستراسیون HPC در OCI: راهکارهای مبتنی بر Terraform
• 52. مدل‌های قیمت‌گذاری OCI و استراتژی هزینه-اثربخشی آن
• 53. شروع تحلیل مقایسه‌ای: متدولوژی ارزیابی عملکرد بین ابرها
• 54. تحلیل مقایسه‌ای عملکرد تک‌هسته‌ای و چندهسته‌ای CPUها
• 55. مقایسه پهنای باند حافظه: کدام ابر سریع‌ترین دسترسی را فراهم می‌کند؟
• 56. تحلیل مقایسه‌ای عملکرد شبکه و تأخیر بین نودها (Inter-node Latency)
• 57. تأثیر معماری CPU (Intel vs AMD vs ARM) بر انواع بارهای کاری
• 58. بررسی پایداری عملکرد: تحلیل جیتر (Jitter) در محیط‌های ابری
• 59. مقایسه عملکرد Bare-Metal (OCI) و ماشین‌های مجازی: اعداد چه می‌گویند؟
• 60. مطالعه موردی ۱: انتخاب بهترین Instance برای یک شبیه‌سازی دینامیک سیالات محاسباتی (CFD)
• 61. مطالعه موردی ۲: انتخاب بهترین Instance برای یک تحلیل ژنومیک
• 62. نتیجه‌گیری بخش عملکرد: نقشه راه انتخاب Instance بر اساس نیازهای فنی
• 63. مقدمه‌ای بر اقتصاد ابری و مدیریت هزینه‌های HPC
• 64. مدل‌های قیمت‌گذاری ابری: On-Demand، Reserved، Savings Plans و Spot
• 65. محاسبه هزینه کل مالکیت (TCO) برای کلاسترهای HPC ابری
• 66. مفهوم کلیدی: معیار قیمت به عملکرد (Price-Performance)
• 67. تحلیل قیمت به عملکرد برای بارهای کاری CPU-Bound در چهار ابر
• 68. تحلیل قیمت به عملکرد برای بارهای کاری Memory-Bound در چهار ابر
• 69. استراتژی‌های کاهش هزینه با استفاده هوشمندانه از Spot Instances
• 70. هزینه‌های پنهان: شبکه، ذخیره‌سازی و هزینه انتقال داده (Data Egress)
• 71. ابزارهای مدیریت هزینه در AWS، Azure، GCP و OCI
• 72. مطالعه موردی ۳: بهینه‌سازی هزینه یک پروژه HPC با بودجه محدود
• 73. فراتر از CPU: نقش GPUها و شتاب‌دهنده‌ها در HPC مدرن
• 74. کانتینرسازی در HPC: Docker در برابر Singularity/Apptainer
• 75. اتوماسیون استقرار کلاستر با ابزارهای Infrastructure as Code (مانند Terraform)
• 76. سیستم‌های فایل موازی در ابر: Lustre، BeeGFS و FSx for Lustre
• 77. مانیتورینگ و پروفایلینگ عملکرد برنامه‌های HPC در محیط ابری
• 78. بهینه‌سازی کامپایلرها و کتابخانه‌های ریاضی برای معماری‌های مختلف CPU
• 79. معرفی FinOps: فرهنگ بهینه‌سازی هزینه در تیم‌های فنی
• 80. روندهای آینده: پردازنده‌های سفارشی، محاسبات محرمانه و نقش آن‌ها در HPC
• 81. امنیت در کلاسترهای HPC ابری: بهترین شیوه‌ها
• 82. پروژه نهایی: طراحی، استقرار و ارزیابی یک کلاستر HPC برای یک سناریوی واقعی
• 83. جمع‌بندی: چک‌لیست نهایی برای انتخاب زیرساخت HPC در ابر
• 84. منابع بیشتر و مسیر یادگیری آینده