GPU云服务器提供GPU加速计算能力,实现GPU计算资源的即开即用和弹性伸缩。作为阿里云弹性计算家族的一员,GPU云服务器结合了GPU计算力与CPU计算力,满足您在人工智能、高性能计算、专业图形图像处理等场景中的需求。

为什么选择GPU云服务器

阿里云GPU云服务器是基于GPU与CPU应用的计算服务器。GPU在执行复杂的数学和几何计算方面有着独特的优势,特别是在浮点运算、并行运算等方面,GPU可以提供上百倍于CPU的计算能力。GPU的功能特性如下:

  • 拥有大量擅长处理大规模并发计算的算术运算单元(ALU)。
  • 能够支持多线程并行的高吞吐量运算。
  • 逻辑控制单元相对简单。

下表为您介绍GPU云服务器与自建GPU服务器的区别。

对比项 GPU云服务器 GPU自建服务器
灵活性
  • 能够快速开通一台或多台GPU云服务器实例。
  • 实例规格支持灵活变更,并且支持在线升降配。
  • 带宽升降自由。
  • 服务器购买周期长。
  • 服务器规格固定,无法灵活变更。
  • 带宽一次性购买,无法自由升降。
易用性
  • Web在线管理,简单方便。
  • 内置主流的操作系统,Windows正版激活,且支持在线更换操作系统。
  • GPU驱动可以在购买时一并安装,方便快捷。
  • 没有在线管理工具,维护困难。
  • 需用户自备操作系统,自行安装及更换。
  • GPU驱动需要自行购买安装。
容灾备份
  • 三副本数据设计,单份损坏可在短时间内快速恢复。
  • 硬件故障事故中可快速自动恢复。
  • 用户自行搭建,使用普通存储设备,价格高昂。
  • 数据损坏需用户修复。
安全性
  • 能够有效阻止MAC欺骗和ARP攻击。
  • 并防护DDoS攻击,可进行流量清洗和黑洞。
  • 享有端口入侵扫描、挂马扫描、漏洞扫描等附加服务。
  • 很难阻止MAC欺骗和ARP攻击。
  • 清洗和黑洞设备需要另外购买,价格昂贵。
  • 普遍存在漏洞挂马和端口扫描等问题。
成本
  • 支持包年包月及按量付费两种购买方式,可灵活选择适合您业务场景的付费方式。
  • 按需购买,无需一次性大量投入。
  • 无法按需购买,必须为业务峰值满配。
  • 一次性投入巨大,闲置浪费严重。

EGS平台介绍

GPU作为一种计算芯片,其优势非常明显,具有实时高速、强并行计算能力和强浮点计算能力等特点。阿里云弹性GPU服务EGS(Elastic GPU Service)将阿里云的弹性计算和GPU高速的并行异构加速器组合在一起,兼具了弹性计算的特点和GPU的加速能力。

阿里云基于EGS平台推出了GPU云服务器,在提供GPU加速能力的同时,保留了与普通ECS实例一致的使用体验。您在创建ECS实例时,选择企业级异构计算规格即可。实例规格的详细信息,请参见实例规格族

产品优势

  • 高弹性

    提供系列化的规格族,分钟级创建GPU实例,支持水平扩容和垂直变配。

  • 高性能高安全性

    支持GPUDirect,GPU之间点对点通信。GPU可以直接通过NVLink总线互联通信,具备高带宽低时延的特点,无需CPU干预。多租户间弹性GPU安全隔离 ,并通过Hypervisor授权和管理。允许灵活配置多块GPU实现互相高速通信的同时,还具备隔离带来的安全性。

  • 易部署

    和阿里云生态深度融合,您可以轻松搭配其他阿里云产品构建应用,例如搭配OSS、NAS等产品满足存储要求,搭配EMR进行深度学习数据预处理等。支持云原生(阿里云Kubernetes),交付更加便捷。

  • 易监控

    提供全面的GPU监控数据,包括GPU、实例和分组维度,免去您的运维压力。更多信息,请参见GPU监控

产品计费

GPU云服务器的计费相关功能和云服务器ECS一致,其中,计算资源(vCPU和内存)、镜像、块存储、公网带宽以及快照等资源涉及计费。

常见的计费方式如下所示:
  • 包年包月:按一定时长购买资源,先付费后使用。
  • 按量付费:按需开通和释放资源,先使用后付费。
  • 抢占式实例:通过竞价模式抢占库存充足的计算资源,相对按量付费实例有一定的折扣,但是存在回收机制。
  • 预留实例券:搭配按量付费实例使用的抵扣券,承诺使用指定配置的实例(包括实例规格、地域可用区等),以折扣价抵扣计算资源的账单。
  • 节省计划:搭配按量付费实例使用的折扣权益计划,承诺使用稳定数量的资源(以元/小时为单位衡量),以折扣价抵扣计算资源、系统盘等资源的账单。
  • 存储容量单位包:搭配按量付费存储产品使用的资源包,承诺使用指定容量的存储资源,以折扣价抵扣块存储、NAS、OSS等资源的账单。

更多云服务器ECS计费的介绍,请参见计费概述云产品定价页

相关工具

阿里云提供以下工具,供您更高效地使用GPU资源: