從2013年推出首顆Nitro1芯片至今，這家最先涉足自研芯片的云廠商，已坐擁網(wǎng)絡(luò)芯片、服務(wù)器芯片、人工智能機器學(xué)習(xí)自研芯片三條產(chǎn)品線。
4代網(wǎng)絡(luò)芯片Nitro、3代服務(wù)器芯片Graviton、1代AI推理芯片、1代AI訓(xùn)練芯片，這是AWS迄今公布的云計算底座自研芯片版圖。
值得注意的是，AWS絕非“PPT造芯”，而是通過云實例將芯片的價值快速導(dǎo)向客戶。今年，AWS發(fā)布了C7g、Trn1等一系列新實例，并推出Nitro的SSD硬盤。
“自研芯片是需要經(jīng)驗積累的，并不是你花錢就能買來的，也并不是你著急很快就能實現(xiàn)?！痹?021 re:Invent全球大會媒體溝通會上，亞馬遜云科技大中華區(qū)產(chǎn)品部總經(jīng)理顧凡談到AWS在重構(gòu)自研芯片中的最大優(yōu)勢——深刻理解云上所有客戶的工作負載，去逆向工作，設(shè)計芯片。
對于AWS的造芯歷程以及背后邏輯，亞馬遜云科技大中華區(qū)產(chǎn)品部計算與存儲總監(jiān)周舸進行了詳細地解讀。
01.
自研CPU：以客戶需求為起點，
兩大技術(shù)思路提升性能
AWS從自研芯片出發(fā)做云計算的創(chuàng)新，要從2006年發(fā)布第一個Amazon EC2 Instance說起，這是一段由十人團隊開始的Amazon EC2旅程。
隨著客戶對Amazon EC2提出更多要求，AWS持續(xù)地增加了很多機型，包括給SAP用的超過24TB最大內(nèi)存的實例、專為轉(zhuǎn)碼業(yè)務(wù)提供的VT1、基于Arm的蘋果最新M1芯片提供的新實例等。
這些實例多樣化創(chuàng)新的不斷深入，令A(yù)WS團隊意識到，必須專注到芯片研發(fā)的本身，從芯片的創(chuàng)新開始。于是從2013年至今，AWS不斷基于自研芯片推出新的實例，以提供更高性價比。
2019年，AWS發(fā)布第二代服務(wù)器芯片Graviton，其實例上市后，客戶把更多不同的應(yīng)用方式部署到Graviton上，跨越的范圍也進一步擴展，從當初的Cache到Web一直延伸到數(shù)據(jù)分析，乃至機器學(xué)習(xí)和高性能計算的工作負載。
為了幫客戶更好地使用新實例，AWS將更多的管理服務(wù)和Graviton做深入集成，使得客戶能快速用起來。結(jié)果，很多客戶只用一兩天時間，就能完成從x86到Arm的轉(zhuǎn)移。
在今年的re:Invent大會上，AWS發(fā)布了4個基于Graviton2的新實例，包括1TB內(nèi)存的X2gd、由Graviton2和英偉達GPU提供支持的G5g等。Is第四代的實例中有Is4gen和Im4gn，也采用的是Graviton2處理器。
Graviton2有300億個晶體管，新一代Graviton3又增加了200億，共擁有500億個晶體管。
C7g是第一個針對Graviton3的實例，其突破有多處重點，包括性能較上一代提升超25%，浮點運算能力提升超過兩倍。在內(nèi)存上，C7g也是云上第一個支持DDR5的新的計算實例。
亞馬遜云科技大中華區(qū)產(chǎn)品部計算與存儲總監(jiān)周舸也分享了Graviton的技術(shù)創(chuàng)新，相同Arm微架構(gòu)不代表能做出相同的CPU，芯片設(shè)計時必須有自己的思考，AWS的原則是，從工作負載去看，從客戶真正實際使用情況，去找到設(shè)計的起點。
在過去的20年里面，提升CPU性能最容易的兩個方向，一是提高頻率，二是增加內(nèi)核數(shù)量。
大多數(shù)時候，提高頻率很容易讓性能得到提升，但問題是，以現(xiàn)有半導(dǎo)體的功率和能力，提高頻率意味著會提高很多頻率、熱量，需要搭配很大的電源及散熱配置。
在像云這樣的超大規(guī)模數(shù)據(jù)中心，這將帶來大量的耗電、能耗，降低了云的效率，并對散熱效率提出更高要求，最終致使客戶的使用成本上升?！八赃@是我們非常謹慎的在選擇頻率提升的時候的一個主要原因。”周舸說。
如果不做頻率的提升，那還有別的什么選項呢？
AWS的答案是，希望讓內(nèi)核的寬度得以增加，即使用指令并行的方式，希望其內(nèi)核在同一個時鐘周期中能夠執(zhí)行更多的指令、完成更多的任務(wù)。
比如從一個時間周期執(zhí)行5個指令提升到執(zhí)行8個指令，所以同一個時間里面能做更多事，這也能給最后的性能帶來很大變化。
使用指令并行時，如果應(yīng)用程序的編譯能夠發(fā)揮出指令并行的優(yōu)勢，效果會非常明顯。Nginx和Groovy差不多提升了60%，甚至Redshift也可以提升超過25%。
在同一個周期里面，AWS讓它有機會執(zhí)行更多的指令，也讓同一個指令執(zhí)行時能夠執(zhí)行更多的數(shù)據(jù)，它就會更快地完成視頻、圖像等處理、轉(zhuǎn)碼以及一些機器學(xué)習(xí)和高性能計算的過程。
結(jié)果可見，x264、x265視頻編碼性能提升50%左右，AES-256加密性能提升了61%。這都是通過指令并行和同一個指令里面加載更多的數(shù)據(jù)量的處理能力來實現(xiàn)的，而沒有靠頻率提升。
增加核數(shù)是提升性能的另一個快而有效的方法。
從第一代Graviton到第二代，AWS增加了不少核數(shù)，效果還不錯。到第三代時，AWS團隊研究了真正在Graviton2上運行的客戶工作負載，發(fā)現(xiàn)其中大量的工作負載里是大數(shù)據(jù)的、微服務(wù)架構(gòu)的等等，還有些高性能計算服務(wù)，這些服務(wù)對于內(nèi)存帶寬和延時敏感度非常高。
因此，AWS團隊做出判斷：在內(nèi)存下功夫，會比增加核數(shù)的效果更快。
新的選擇題出現(xiàn)：用余下晶體管去增加更多核，還是去增加CPU的內(nèi)存帶寬和降低延遲？
最終，AWS團隊選擇了內(nèi)存。相對于Graviton2以及英特爾的Tool平臺，其內(nèi)存帶寬提升了50%，這在很多應(yīng)用上的效果非常直接。
一些早期用過的客戶分享了Graviton3給他們帶來的幫助。如Twitter表示其性能提升20%~80%，甚至在降低尾延遲方面可以降低至少35%，這對內(nèi)存延遲非常敏感；F1方程式在做流體仿真時用的是Graviton2，已經(jīng)比英特爾的平臺快很多，這次它用C7g又可以提升40%；Epic《堡壘之夜》的游戲性能體驗也大幅提升。
還有一個重要指標是讓功耗降低60%。這將維持更高能效比，且客戶不會付出很高的成本代價。
Graviton的大量使用，已經(jīng)衍生到了非常多的工作負載中。如SAP HANA Cloud使用Graviton，去幫助企業(yè)級的客戶提升運營效率、提高性能。
同時，今年AWS在re:Invent上面也宣布了其連續(xù)第四年獲得了HPC最佳云平臺的大獎，Graviton還在11月底獲得中國計算機學(xué)會高性能計算委員會頒發(fā)的產(chǎn)品創(chuàng)新獎。
C7g實例通過支持BFloat16，使得Graviton3的機器學(xué)習(xí)推理性能幾乎比上一代提升快4倍。
02.
自研AI芯片：優(yōu)化內(nèi)存和網(wǎng)絡(luò)，
加速適配機器學(xué)習(xí)需求
在提升服務(wù)器芯片AI算力的同時，AWS正持續(xù)優(yōu)化其AI芯片及相關(guān)實例的性能。
面對AI訓(xùn)練和推理，AWS有不同的實例。除了其P4d、inf1實例用在推理，通用CPU的推理使用也越來越多，包括C6i和C6g；在訓(xùn)練方面，AWS推出了具備EC2超級集群能力的P4d和基于英特爾AI芯片Habana驅(qū)動的DL1。
2019年，AWS發(fā)布基于其自研云端AI推理芯片Inferentia的Amazon EC2 Inf1實例，如今該實例已經(jīng)被很多中國客戶用于做推理。
今年剛剛推出的Trn1，是基于AWS自研云端訓(xùn)練芯片Trainium的實例。近年機器學(xué)習(xí)發(fā)展飛速，其配套的各種專業(yè)加速芯片隨之發(fā)展迅猛。每年機器學(xué)習(xí)專用芯片的演進提升速度都超翻倍，比通用CPU快得多。
可是挑戰(zhàn)是，機器學(xué)習(xí)這個模型的復(fù)雜度是呈10倍地成長，光靠GPU、加速芯片本身的加速，已經(jīng)不足以跟得上這個速度。
因此要讓機器學(xué)習(xí)訓(xùn)練能力大幅提升，關(guān)鍵是并行訓(xùn)練。這意味著不僅要提升專用芯片本身的性能，還要解決內(nèi)存和網(wǎng)絡(luò)兩大難點，構(gòu)建更適合這些芯片發(fā)揮的網(wǎng)絡(luò)環(huán)境和它配套的所有服務(wù)。
內(nèi)存方面，從P3dn開始，AWS的內(nèi)存一直在增加。到今年Trn1內(nèi)存已是512G。
網(wǎng)絡(luò)方面，AWS幾年前就推出了100G的網(wǎng)絡(luò)，到p4d時去年做了400G的網(wǎng)絡(luò)，全新發(fā)布的Trn1首次將帶寬增至800G，Trn1n更是可以到1600G，基于其EFA，AWS可以讓機器學(xué)習(xí)的設(shè)備組在一個架構(gòu)中，提高分布式高性能計算和機器學(xué)習(xí)工作負載的吞吐量和可擴展性。
從效果上來看，一個典型大模型GPT-3需要兩周的訓(xùn)練周期，用P3dn需要600個實例，P4d已經(jīng)降至128個實例，Trn1n繼續(xù)下降到96個實例。實例數(shù)大幅減少后，成本會明顯節(jié)約。
值得注意的是，P3dn跑訓(xùn)練時，49%的開銷花在了實例之間的通信。P4d把網(wǎng)絡(luò)性能提升后，還剩14%的開銷。到Trn1n，只有7%的開銷會用到網(wǎng)絡(luò)通信上面。
這帶來的好處是，AWS可用更大的集群、更多的卡同時去訓(xùn)練，真正明顯縮短訓(xùn)練時間。P4d最多可用4000個卡同時訓(xùn)練，Trn1n則將這個指標提升到了1萬張，這也是一個巨大的進步。
如今，每天有超過6000萬個全新實例在Amazon EC2實上運轉(zhuǎn)，這是2019年的兩倍，而這一切都來自于網(wǎng)絡(luò)本身的創(chuàng)新。
03.
自研SSD：統(tǒng)一監(jiān)控運行指標，
降低bug風(fēng)險
Nitro芯片是AWS網(wǎng)絡(luò)創(chuàng)新的起點，前文談及的從100G、400G、800G到1600G都離不開Nitro。
這個已經(jīng)推出四代的網(wǎng)絡(luò)芯片幫助AWS解決了很多問題，包括提供了統(tǒng)一的安全性平臺，無論使用什么樣的CPU計算平臺，都可以獲得一致的安全性、一致的VPC接入能力、一致的API的統(tǒng)一性等等。
Nitro也可以幫助提高存儲的性能。
第一塊硬盤在1956年時相當巨大，后來逐漸發(fā)展成像一個唱機大小的磁盤，數(shù)據(jù)中心中很多大數(shù)據(jù)都存儲在這樣的磁盤里面。隨著應(yīng)用的發(fā)展，數(shù)據(jù)中心對IO吞吐的需求越來越高，擅長于此的SSD被越來越多地采用到存儲設(shè)備中。
SSD用半導(dǎo)體存數(shù)據(jù)，其閃存轉(zhuǎn)換層（FTL）會控制將數(shù)據(jù)從邏輯地址到物理地址的轉(zhuǎn)換。這里特別容易發(fā)生兩件事：一是垃圾回收，擦寫時要將相應(yīng)空間釋放出來；二是磨損平衡，控制每個數(shù)據(jù)塊使用頻率差不多，能被較均衡地磨損掉。
過去，AWS使用的大量SSD硬盤來自很多供應(yīng)商，各家FTL控制機制不同，甚至每種盤的FTL都可能不一樣。如果FTL中有bug要修復(fù)，只能等到原廠來做這個事，時間就會很不可控，連帶著AWS對客戶提供服務(wù)保障會變得更困難。
此外，不同F(xiàn)TL的有些功能實現(xiàn)邏輯不一致，可能會在不同的時間啟動垃圾回收、碎片回收、磨損均衡等功能，一旦突然啟動了這個功能，客戶正在使用這個盤時，去請求的工作就會被中斷掉，這對客戶的使用會造成非常大的干擾。
同一個應(yīng)用，當使用不同盤時，性能是不一樣的。因此AWS用Nitro SSD，通過統(tǒng)一的FTL來解決這些問題，自己解決bug，避免客戶被干擾。
AWS第一代Nitro SSD在2017年就做出來了，目前其整個云體系部署了超過50萬個Nitro SSD，第二代Nitro SSD在今年的re:Invent大會上剛剛發(fā)布?；谟⑻貭柶脚_的I4i以及基于Graviton2的Im4gn/Is4gen機型都用到新的Nitro SSD。
Nitro SSD帶來直觀的性能提升，相比上一代I3實例，新實例I/O延遲降低了60%，延遲可變性降低了75%。
EBS存儲服務(wù)也使用Nitro SSD來提升性能。比如今年正式投入市場的io2 Block Express就使用了Nitro SSD，最終獲得256k IOPS及非常穩(wěn)定的毫秒級延時。
從上圖可見，其跑PostgreSQL時性能可提升2.4倍以上，甚至在SQL上性能更好。據(jù)其客戶分享，如果用R5B的Instance加上io2，是在云上面跑SQLServer最合適的選擇，性能提升了5倍。
2006年，AWS發(fā)布第一個云服務(wù)Amazon S3對象存儲，這也是AWS存儲的起點。
如今越來越多的工作負載開始移到云上，需要Amazon S3支持。今年AWS又推了兩個新的存儲層：一是把用于歸檔數(shù)據(jù)的Glacier做了一個可及時索引的分層，既能像熱數(shù)據(jù)般快速索引調(diào)用，又能像歸檔存儲一樣長期保持超低成本。
AWS S3智能分層也覆蓋到新的層，當前提供8個存儲層，可滿足各種存儲需求。S3中裝有10^14個對象，相當于全球每個人可攤1.3萬個對象，宇宙中有2萬億星星，每個星星可攤5個對象。
在如此大的規(guī)模中，如何讓客戶保持那么高的可用性和一致的性能？將如此多的對象完全分布在數(shù)百萬的硬盤上，正是Amazon S3的機制，使其從第一天開始就能提供非常高的穩(wěn)定性、可靠性和性能。
04.
結(jié)語：一切從芯片創(chuàng)新開始
從CPU到加速芯片再到存儲，這些AWS基礎(chǔ)底層技術(shù)的進化都是從芯片創(chuàng)新開始的?；谶@樣的創(chuàng)新底座，AWS發(fā)展到如今的規(guī)模，仍能做到高效、安全、持續(xù)的創(chuàng)新。
在這些計算、存儲、數(shù)據(jù)相關(guān)的服務(wù)打破各種創(chuàng)新邊界的同時，新的約束正亟待突破。這些約束在于很多的物理地域、法規(guī)中，比如數(shù)據(jù)要存在本地的法規(guī)要求，以及各種距離產(chǎn)生延時、網(wǎng)絡(luò)帶寬、連接穩(wěn)定性等等。
AWS也在通過一系列產(chǎn)品布局解決這些問題。比如與AWS WaveLength可服務(wù)超低延時的5G邊緣應(yīng)用，Outposts將AWS的能力擴展至客戶自己的數(shù)據(jù)中心；Cloud WAN使客戶通過中央控制面板更輕松地將地面復(fù)雜網(wǎng)絡(luò)連接到云；Snowball設(shè)備可實現(xiàn)一周遷移數(shù)TB數(shù)據(jù)；Ground Station衛(wèi)星通信運營服務(wù)更是沖出地球，覆蓋到衛(wèi)星通信與數(shù)據(jù)處理……
今天，AWS在有25個區(qū)域，覆蓋全球六大洲，提供了81個可用區(qū)，接下來還會在提供9個新的服務(wù)區(qū)，同時提供有30個Local Zones本地區(qū)域?；谛酒瑒?chuàng)新的基石，AWS正通過在云基礎(chǔ)設(shè)施上持續(xù)推陳出新，幫助云上用戶探索更遠的邊界。
