讓雲端投資發揮更多效益
透過 Intel® 技術，獲得您需要的強大每元效能。資料庫、高效能運算 (HPC)，以及網頁等關鍵資料密集工作負載，能透過採用 Intel® 架構的雲端，以更低的總持有成本提供更優異的效能。1 2 3 4 5
混合雲熱門話題
One Minute Misconceptions
Intel 的《One Minute Misconceptions》影片系列解開關於混合雲的常見誤解。
採用混合雲的動力為何？
Intel 的 Bill Giard 與 StrongArm 的 Bryant Eadon 在《One-Minute Misconceptions, A Few Minutes More》影片中探討採用混合雲的助力與阻力。
瞭解混合雲環境如何邁向混合雲成功之路，以及如何將四個常見的「障礙」轉變為成功的助力。
運用 Intel® Select 解決方案 (Intel® Select Solutions) 加速 IT 轉型
透過適用於混合雲的 Intel® 解決方案 (Intel® Select Solutions)，加速創新開發，並帶來功能強大的各種服務。
探索 Microsoft Azure Stack* 混合雲
透過採用 Intel® Xeon® 可擴充處理器的 Microsoft Azure Stack* 混合雲，讓您以更快的速度創新，並在企業內部加入強大的服務。
透過 Intel® Optane™ DC 持續性記憶體加速商業智慧
運用持續性資料、效能、大容量，以及實惠價格的突破性組合，驅動您價值最高的工作負載。
解決當前的挑戰
絕對適合貴企業的雲端模式
混合雲的優勢
私有雲的優勢
公有雲的優勢
Microsoft
Windows Server* 2016 運用富有彈性又符合成本效益的軟體定義運算、儲存及網路功能，推動進階的資料中心； 針對 Intel 的技術進行優化，提供優異的效能、最佳化、效率與擴充性。
雲端資源
Intel® 雲端建構者 (Intel® Cloud Builder)
歡迎加入能降低技術障礙，加速創新的社群。公司企業與雲端服務供應商能透過部署簡易、全面最佳化基礎架構，深入分析瞭解如何建立、操作與最佳化雲端。
相關產品與技術
Intel® Xeon® 可擴充處理器
工作負載最佳化以支援高度需求的應用程式並推動具體行動方案。
Intel® Optane™ 技術 (Intel® Optane™ Technology)
全新頂級的記憶體，能改變我們建構及使用電腦的方式。
產品與效能資訊
每元效能測試採用 AWS* EC2 R5 和 R5a 實例 (https://aws.amazon.com/ec2/instance-types/)，比較 96 vCPU Intel® Xeon® 可擴充處理器的每元效能與 AMD EPYC* 處理器的每元效能。
工作負載：HammerDB* PostgreSQL*
結果：AMD EPYC 每元效能 = 基準線 1；Intel® Xeon® 可擴充處理器的每元效能 = 1.85 倍（越高越好）
資料庫：HammerDB – PostgreSQL（越高越好）：
AWS R5.24xlarge (Intel) 實例，HammerDB 3.0 PostgreSQL 10.2，記憶體：768GB，Hypervisor：KVM；儲存類型：EBS io1，磁碟容量 200GB，總儲存 200GB，Docker 版本：18.06.1-ce，RedHat* Enterprise Linux 7.6，3.10.0-957.el7.x86_64，6400MB shared_buffer，256 個倉儲，96 名使用者。「NOPM」分數 439931，由 Intel 於 2018 年 12 月 11 日至 2018 年 12 月 14 日測量。
AWS R5a.24xlarge (AMD) 實例，HammerDB 3.0 PostgreSQL 10.2，記憶體：768GB，Hypervisor：KVM；儲存類型：EBS io1，磁碟容量 200GB，總儲存 200GB，Docker 版本：18.06.1-ce，RedHat* Enterprise Linux 7.6，3.10.0-957.el7.x86_64，6400MB shared_buffer，256 個倉儲，96 名使用者。「NOPM」分數 212903，由 Intel 於 2018 年 12 月 20 日測量。
工作負載：MongoDB*
結果：AMD EPYC 每元效能 = 基準線 1；Intel® Xeon® 可擴充處理器的每元效能 = 2.84 倍（越高越好）
資料庫：MongoDB（越高越好）：
AWS R5.24xlarge (Intel) 實例，MongoDB v4.0，停用日誌，停用檔案系統同步，wiredTigeCache=27GB，maxPoolSize = 256；7 個 MongoDB 實例，14 個用戶端 VM，每 VM 1 個 YCSB 用戶端，每個 YCSB 用戶端 96 個執行緒，RedHat* Enterprise Linux 7.5，核心 3.10.0-862.el7.x86_64，每秒操作分數 1229288，由 Intel 於 2018 年 12 月 10 日測量。
AWS R5a.24xlarge (AMD) 實例，MongoDB v4.0，停用日誌，停用檔案系統同步，wiredTigeCache=27GB，maxPoolSize = 256；7 個 MongoDB 實例，14 個用戶端 VM，每 VM 1 個 YCSB 用戶端，每個 YCSB 用戶端 96 個執行緒，RedHat* Enterprise Linux 7.5，核心 3.10.0-862.el7.x86_64，每秒操作分數 388596，由 Intel 於 2018 年 12 月 10 日測量。
如需其他詳細資訊，請造訪 www.intel.com.tw/benchmarks。
結果是根據 Intel P2CA 使用截至 2019 年 1 月 12 日的 AWS 定價（每小時的金額，標準 1 年期，無預付費用）所計算而得。
每元效能測試採用 AWS* EC2 M5 和 M5a 實例 (https://aws.amazon.com/ec2/instance-types/)，比較 96 vCPU Intel® Xeon® 可擴充處理器的每元效能與 AMD EPYC* 處理器的每元效能。
工作負載：LAMMPS*
結果：AMD EPYC 每元效能 = 基準線 1；Intel® Xeon® 可擴充處理器的每元效能 = 4.15 倍（越高越好）
HPC 材料科學 – LAMMPS（越高越好）：
AWS M5.24xlarge (Intel) 實例，LAMMPS 版本：2018-08-22（代碼：https://lammps.sandia.gov/download.html），工作負載：水 – 512K 粒子，Intel ICC 18.0.3.20180410，適用於 Linux* OS 的 Intel® MPI Library，版本 2018 Update 3 Build 20180411，48 個 MPI 階層，RedHat* Enterprise Linux 7.5，核心 3.10.0-862.el7.x86_64，OMP_NUM_THREADS=2，每秒時步分數 137.5，由 Intel 於 2018 年 10 月 31 日測量。
AWS M5a.24xlarge (AMD) 實例，LAMMPS 版本：2018-08-22（代碼：https://lammps.sandia.gov/download.html），工作負載：水 – 512K 粒子，Intel ICC 18.0.3.20180410，適用於 Linux* OS 的 Intel® MPI Library，版本 2018 Update 3 Build 20180411，48 個 MPI 階層，RedHat* Enterprise Linux 7.5，核心 3.10.0-862.el7.x86_64，OMP_NUM_THREADS=2，每秒時步分數 55.8，由 Intel 於 2018 年 11 月 7 日測量。
AMD 支援 AVX2 的變更（AMD 僅支援 AVX2，因此需要這些變更）：
sed -i 's/-xHost/-xCORE-AVX2/g' Makefile.intel_cpu_intelmpi
sed -i 's/-qopt-zmm-usage=high/-xCORE-AVX2/g' Makefile.intel_cpu_intelmpi
工作負載：高效能 Linpack*
結果：AMD EPYC 每元效能 = 基準線 1；Intel® Xeon® 可擴充處理器的每元效能 = 4.15 倍（越高越好）
HPC Linpack（越高越好）：
AWS M5.24xlarge (Intel) 實例，HP Linpack 版本 2.2（https://software.intel.com/en-us/articles/intel-mkl-benchmarks-suite 目錄：benchmarks_2018.3.222/linux/mkl/benchmarks/mp_linpack/bin_intel/intel64），Intel ICC 18.0.3.20180410 搭配 AVX512，適用於 Linux* OS 的 Intel® MPI Library，版本 2018 Update 3 Build 20180411，RedHat* Enterprise Linux 7.5，核心 3.10.0-862.el7.x86_64，OMP_NUM_THREADS=24，2 個 MPI 程序，分數 3152 GB/s，由 Intel 於 2018 年 10 月 31 日測量。
AWS M5a.24xlarge (AMD) 實例，HP Linpack 版本 2.2，（HPL 來源：http://www.netlib.org/benchmark/hpl/hpl-2.2.tar.gz：版本 2.2；使用 icc (ICC) 18.0.2 20180210 編譯與連結至 BLIS 程式庫版本 0.4.0；https://github.com/flame/blis；Addt’l 編譯器旗標：-O3 -funroll-loops -W -Wall –qopenmp；make arch=zen OMP_NUM_THREADS=8；6 個 MPI 程序。）， Intel ICC 18.0.3.20180410 搭配 AVX2，適用於 Linux* OS 的 Intel® MPI Library，版本 2018 Update 3 Build 20180411，RedHat* Enterprise Linux 7.5，核心 3.10.0-862.el7.x86_64，OMP_NUM_THREADS=8，6 個 MPI 程序，分數 677.7 GB/s，由 Intel 於 2018 年 11 月 7 日測量。
結果是根據 Intel P2CA 使用截至 2019 年 1 月 12 日的 AWS 定價（每小時的金額，標準 1 年期，無預付費用）所計算而得。
每元效能測試採用 AWS* EC2 M5 和 M5a 實例 (https://aws.amazon.com/ec2/instance-types/)，比較 96 vCPU Intel® Xeon® 可擴充處理器的每元效能與 AMD EPYC* 處理器的每元效能。
工作負載：伺服器端 Java* 1 JVM
結果：AMD EPYC 每元效能 = 基準線 1；Intel® Xeon® 可擴充處理器的每元效能 = 1.74 倍（越高越好）
伺服器端 Java（越高越好）：
AWS M5.24xlarge (Intel) 實例，Java 伺服器效能標竿無 NUMA 繫結，2JVM，OpenJDK 10.0.1，RedHat* Enterprise Linux 7.5，核心 3.10.0-862.el7.x86_64，每秒傳輸分數 101767，由 Intel 於 2018 年 11 月 16 日測量。
AWS M5a.24xlarge (AMD) 實例，Java 伺服器效能標竿無 NUMA 繫結，2JVM，OpenJDK 10.0.1，RedHat* Enterprise Linux 7.5，核心 3.10.0-862.el7.x86_64，每秒傳輸分數 52068，由 Intel 於 2018 年 11 月 16 日測量。
工作負載：Wordpress* PHP/HHVM*
結果：AMD EPYC 每元效能 = 基準線 1；Intel® Xeon® 可擴充處理器的每元效能 = 1.75 倍（越高越好）
網站前端 Wordpress（越高越好）：
AWS M5.24xlarge (Intel) 實例，oss-performance/wordpress Ver 4.2.0；Ver 10.2.19-MariaDB-1:10.2.19+maria~bionic；工作負載版本'：u'4.2.0；用戶端執行緒：200；PHP 7.2.12-1；perfkitbenchmarker_version="v1.12.0-944-g82392cc；Ubuntu 18.04，核心 Linux 4.15.0-1025-aws，TPS 分數 3626.11，由 Intel 於 2018 年 11 月 16 日測量。
AWS M5a.24xlarge (AMD) 實例，oss-performance/wordpress Ver 4.2.0；Ver 10.2.19-MariaDB-1:10.2.19+maria~bionic；工作負載版本'：u'4.2.0；用戶端執行緒：200；PHP 7.2.12-1；perfkitbenchmarker_version="v1.12.0-944-g82392cc；Ubuntu 18.04，核心 Linux 4.15.0-1025-aws，TPS 分數 1838.48，由 Intel 於 2018 年 11 月 16 日測量。
如需其他詳細資訊，請造訪 www.intel.com.tw/benchmarks。
AWS M5.4xlarge (Intel) 執行個體，McCalpin Stream（OMP 版本），（來源：https://www.cs.virginia.edu/stream/FTP/Code/stream.c）；Intel ICC 18.0.3 20180410 搭配 AVX512，-qopt-zmm-usage=high，-DSTREAM_ARRAY_SIZE=134217728 -DNTIMES=100 -DOFFSET=0 –qopenmp，-qoptstreaming-stores 一律 -o $OUT stream.c，Red Hat* Enterprise Linux 7.5，核心 3.10.0-862.el7.x86_64，OMP_NUM_THREADS：8，KMP_AFFINITY：proclist=[0-7:1]，granularity=thread, explicit，分數 81216.7 MB/s，由 Intel 於 2018 年 12 月 6 日測量。
AWS M5a.4xlarge (AMD) 執行個體，McCalpin Stream（OMP 版本），（來源：https://www.cs.virginia.edu/stream/FTP/Code/stream.c）；Intel ICC 18.0.3 20180410 搭配 AVX2，-DSTREAM_ARRAY_SIZE=134217728，-DNTIMES=100 -DOFFSET=0 -qopenmp -qopt-streaming-stores 一律 -o $OUT stream.c，Red Hat* Enterprise Linux 7.5，核心 3.10.0-862.el7.x86_64，OMP_NUM_THREADS：8，KMP_AFFINITY：proclist=[0-7:1]，granularity=thread,explicit，分數 32154.4 MB/s，由 Intel 於 2018 年 12 月 6 日測量。
OpenFOAM 免責聲明：本產品未經 OpenCFD Limited、透過 www.openfoam.com 的 OpenFOAM 軟體製造商和經銷商，以及 OpenFOAM* 與 OpenCFD* 商標的擁有者核准或背書。
自 2019 年 1 月 12 日起的 AWS 定價，標準 1 年期保留執行個體定價 (https://aws.amazon.com/ec2/pricing/reserved-instances/pricing/)，每小時的隨選 Linux/Unix 使用量定價 (https://aws.amazon.com/ec2/pricing/on-demand/)。
運用 Intel® Deep Learning Boost (Intel® DL Boost) 的 Intel® Xeon® Platinum 9282 處理器，推斷輸送量提高 30 倍：依據 Intel 截至 2019 年 2 月 26 日所做之測試。平台：Dragon rock 2 插槽 Intel® Xeon® Platinum 9282（每一插槽 56 核心），開啟超執行緒，開啟渦輪加速，總記憶體 768 GB（24 插槽/ 32 GB/ 2933 MHz），BIOS：SE5C620.86B.0D.01.0241.112020180249，CentOS 7 Kernel 3.10.0-957.5.1.el7.x86_64，深度學習框架：適用於以下 Caffe* 版本的 Intel® 最佳化：https://github.com/intel/caffe d554cbf1，ICC 2019.2.187，MKL DNN 版本：v0.17（認可雜湊：830a10059a018cd2634d94195140cf2d8790a75a），型號：https://github.com/intel/caffe/blob/master/models/intel_optimized_models/int8/resnet50_int8_full_conv.prototxt，BS=64，無資料層 syntheticData：3x224x224，56 執行個體/2 插槽，資料類型：INT8；相較於依據 Intel 截至 2017 年 7 月 11 日所做之測試：2S Intel® Xeon® Platinum 8180 處理器 CPU @ 2.50GHz（28 核心），停用超執行緒，停用渦輪加速，擴充管理員透過 intel_pstate 驅動程式設定為「performance」，384GB DDR4-2666 ECC RAM。CentOS Linux* 版本 7.3.1611 (Core)，Linux* 核心 3.10.0-514.10.2.el7.x86_64。固態硬碟機：Intel® SSD Data Center S3700 系列（800GB，2.5 吋 SATA 6Gb/s，25 奈米，MLC）。效能測量使用：環境變數：KMP_AFFINITY='granularity=fine, compact‘, OMP_NUM_THREADS=56，CPU 頻率設定為 CPU 功率 frequency-set -d 2.5G -u 3.8G -g performance。Caffe：(http://github.com/intel/caffe/)，修訂版 f96b759f71b2281835f690af267158b82b150b5c。推斷以「caffe time --forward_only」指令測量；訓練以「caffe time」指令測量。對於「ConvNet」拓撲，使用綜合資料集。對於其他拓撲，在訓練前，資料儲存於本機儲存裝置上，並在記憶體中快取。拓撲規格來自於 https://github.com/intel/caffe/tree/master/models/intel_optimized_models(ResNet-50)。Intel® C++ 編譯器版本 17.0.2 20170213，Intel® 數學核心程式庫小型程式庫版本 2018.0.20170425。Caffe 以「numactl -l」執行。