从30天到17小时，如何让HSPICE仿真效率提升42倍？

License配置:

EDA License Server设置在本地。

步骤一：硬件选择

选择适合HSPICE应用的配置

云端可以选择的机型有几百种，配置、价格差异极大。

我们首先需要挑选出既能满足HSPICE应用需求，又具备性价比的机型。

已知用户的本地硬件配置：

Xeon(R) Gold 6244 CPU @ 3.60GHz，512GB Memory

本地配置不仅主频高，内存也相当大。

我们推荐的云端硬件配置：

96 vCPU, 3.6GHz, 2nd Gen Intel Xeon Platinum 8275CL, 192 GiB Memory

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。

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。

更多电子书

欢迎扫码关注小F（ID：imfastone）获取

文章知识点与官方知识档案匹配，可进一步学习相关知识Java技能树首页概览91957 人正在系统学习中

来源：白山头