云服务体验如何，算力一定是“杀手锏”，这也是亚马逊云服务（AWS）为什么要推出自研处理器的重要原因。

　　AWS Graviton2超强算力背后

　　近日，AWS宣布，由AWS Graviton2 处理器提供支持的 Amazon Elastic Compute Cloud（Amazon EC2）M6g、C6g 和 R6g 实例，已在由光环新网运营的 AWS中国（北京）地区和由西云数据运营的AWS中国（宁夏）区域推出。Graviton2是一款专为云原生而设计和开发的芯片，相比一代性能更强，更易用，性价比更高。

　　“之所以推出Graviton2，其实想法很简单，就是为了让云上的现代化应用都能达到最真实性能。”AWS大中华区产品部计算与存储总监 周舸解释道，所谓真实性能，并不是拿一个跑分软件去做测试，最终得多少分，而是客户在应用Graviton2支撑现代化业务架构时的真实业务场景表现，并对每一个核去做特定优化，让其发挥最佳性能。AWS希望在一个CPU里放尽量多的独立的核，以便充分发挥平行扩展能力。

　　Graviton2的计算实例由三个系列的家族成员构成，包括M6g、C6g、R6g。M6g代表的是通用型，内存跟CPU的核的比例是1：4；C6g是计算密集型，内存跟CPU的核的比例是2：1的比例，核的数量会更高一些；R6g是内存密集型，更适合于类似数据库类的应用，内存跟CPU的核的比例是8：1。

　　Graviton2非常适合需要平行扩展的现代化应用，为了确保云端安全，AWS提供了全天候运行的256位内存加密。同时，可支持更广阔的生态系统，不管是ARM架构、Linux操作系统，还是Docker、EKS等容器服务，亦或者是CI/CD等开发工具和相关的软件，都可以直接导入使用。最重要的是，与相同配置的x86实例相比，Graviton2针对网络和计算密集型工作负载的性价比可高出40%。

　　在很多人的潜意识里，会认为ARM的实例比较适用于基于ARM的游戏的开发，或者放在web应用的前端做接入，再或者只做缓存的工作。但基于Graviton2对核的设计的改变，可以大大拓宽基于ARM实例的适用范围，用户可以去跑开源的数据库，无论是MySQL、PostSQL，还是Redis都能得到性能的提升。很多用户甚至可以直接跑数据分析类的软件，或者使用C6g的实例去跑高性能计算里最典型的应用场景，比如对天气预测计算、流体计算等等。

　　“目前，涂鸦已有40%的机器跑在AWS Graviton2 架构的实例上，未来我们会逐步迁移更多的机器。”涂鸦智能云端开发部首席架构师陈亚焱，对AWS Graviton2的性能表现给与了高度评价。作为一家全球化AI+IoT领军企业，该公司要处理设备的请求次数达到840亿/每天，高峰期请求处理次数达到150万/秒，为了做到毫秒级响应，公司把亿级物联网关架构在AWS Graviton2 上，最终让CPU的性能提升了100%，CPU占用率从之前的27%降到12%，服务器单价降低了20%。

　　同样，作为一家专注于AI影像处理领域科研和应用的巨头公司，大觥科技也在采用颠覆性的技术用于老旧照片修复、画质增强等业务，旗下针对C端用户应用的“你我当年”（国内）、“Remini” APP（海外），在很多国家和地区都是热门的“现象级”应用。为了提高服务质量，满足日处理图片量 500万+、日处理视频量 20000秒+需求，该公司采用AWS Gravition2化繁为简、降低总体成本。

　　“在2020年初，因为业务增长快速增长，导致企业没有更多算力，AWS解决了燃眉之急，提升了整个架构支撑能力。” 大觥科技副总裁袁泉表示，为了给前端应用提供更好的灵活度，不让前端设计受到图片大小的影响，公司需要做一个动态获取缩略图的服务。通过EC2搭建的缩略图服务器集群，公司简化了系统架构，提升了性价比。C6g在性能上提升了30%，在成本上节约了38%。

　　计算无处不在

　　众所周知，计算服务是AWS公司的核心能力，Amazon EC2从诞生之日起就有一个重要使命，那就是服务云上的所有工作负载。目前，EC2已服务于各行各业，提供的实例类型已接近400种，被全球几百万客户广泛使用，真正让计算做到了无处不在。从早期的数据库、ERP到后来以移动互联网、机器学习为核心的工作负载，都有EC2的身影。

　　“未来，计算实例也会走量体裁衣这个路线，更偏定制化和规模化。” AWS大中华区云服务产品管理总经理 顾凡表示，虽然EC2已足够强大，但并不代表计算能力已停止创新，当用户对云计算需求在不断更新迭代，AWS也在不断挑战极限，创造新的可能。

　　所谓的“量体裁衣”，要有目的、有市场、有客户需求；另外最重要的一点是，你能否做得出来。很多企业都在提供弹性计算，但在深度和广度方面，AWS真正做到了业界领先。AWS的计算实例支持所有的操作系统，包括Linux、Windows以及Mac OS；在处理器方面，支持x86、AMD、ARM，并且AWS是唯一一个有ARM计算实例的提供商，可提供针对不同客户需求的解决方案，可以分为计算密集型、内存密集型、存储、IO敏感、吞吐敏感、网络延迟等应用。

　　在弹性计算层面，AWS一直在做成本优化，成本优化不是简单的降价，而是在技术改进基础上进行优化，这种优化也是创新。从最早的按需选择，到预留的实例，到Spot，再到Savings Plans，最后可以做到80%，甚至90%的成本节约。

　　而在处理器层面，AWS跟英特尔、AMD、英伟达、赛灵思都有有合作。AWS和Intel有着长达14年的深度战略合作，做了很多定制化实例。比如:C5N,是可支持100G网络带宽的专有实例，到今天已升级到400G。再比如：SAP HANA这种大内存应用，借助AWS和Intel的合作，可提供最大24TB大内存的实例。除了Intel，AWS和AMD也是深度合作关系，无论是Naples还是Rome，两款处理器AWS都支持。AWS最新推出的Graviton2是云计算平台里第一款支持ARM处理器的实例，同时这款处理器也是一款企业级应用的ARM处理器。

　　计算无处不在，创新永无止境。而在AWS所有创新中，最具亮点的部分，是AWS自研的芯片。2013年，AWS开始跟Annapurna labs合作，做第一代的Nitro。2015年，Amazon收购了Annapurna labs，变成了属于自己的一个半导体设计公司，由此揭开了半导体芯片研发旅程。2017年，AWS对外宣布第三代Nitro芯片和Nitro系统诞生。到2020年，AWS已经在使用第四代Nitro芯片的Nitro系统，作为AWS所有计算实例的基础。有了Nitro系统作为云服务器虚拟化的公共平台，可以大大加速AWS推出新的计算实例，不断丰富实例类型。

　　AWS Nitro成为业界领先的云服务器虚拟化引擎，它包括AWS在硬件和软件两方面的创新。硬件方面，AWS设计一个Nitro卡，提供网络、存储、管理、安全和监控的功能，实现多租户隔离、私有网络和快速的本地存储，实现高效、灵活、安全的云实例交付。软件方面，AWS设计了一个非常轻量级的虚拟化管理程序。由于Nitro卡分担了相当大部分的虚拟化管理工作，AWS Nitro虚拟化管理程序占用物理服务器的系统资源非常小，通常不到1％；也就是说，将99%以上的物理服务器性能都交给客户，而传统的Hypervisor会占用大约30%的系统资源。

　　另外，AWS针对机器学习领域，推出两个典型的工作负载。一个是推理，在2019年推出了AWS Inferentia专门用于推理的芯片，2020年已经有很多客户在使用；另一个是专门为训练的工作负载，AWS在2020的re:Invent上又一次宣布，将在2021年推出自己研制的专门为训练的工作负载设计的AWS Trainium的芯片。

　　除此之外，AWS在CPU方面也在持续投入和研究。2018年的时候，AWS第一次对外推出了基于ARM架构的Graviton第一代CPU的芯片。在2019年的re:Invent，AWS宣布了第二代。到2020年,也有很多客户开始使用了Graviton2。

　　AWS持续不断的创新，让更多用户看到并体验到无处不在的计算，这应该是我们曾经想象中的场景，“纳云于内，触手可及”。