O Hipercomputador de IA tem várias opções de consumo para adquirir recursos de computação. Essas opções atendem a necessidades como duração da carga de trabalho, tolerância a falhas e modelo de infraestrutura. Conheça essas opções e escolha a melhor para seu caso de uso.
Como alternativa à avaliação manual, você pode pedir ao Gemini no console Google Cloud para comparar as opções de consumo da sua carga de trabalho e do seu orçamento. Para mais informações, consulte Projetar infraestrutura de IA com o Compute Advisor.
Visão geral das opções de consumo
Para comparar as opções de consumo em relação às principais características, use a tabela a seguir:
| Opção de consumo | Modelo de provisionamento | Ideal para | Garantia de capacidade | Duração | Preemptiva | Cota | Descontos | Modelo de alocação |
|---|---|---|---|---|---|---|---|---|
| Início flexível | Início flexível | Cargas de trabalho de curta duração (até sete dias) que podem esperar pela capacidade. | Melhor esforço | Até sete dias | Não | Cota preemptiva | Desconto de até 53% nas séries compatíveis | Denso para solicitações de redimensionamento de MIG; melhor esforço para VMs independentes. |
| VMs spot | Spot | Cargas de trabalho de GPU gerais tolerantes a falhas e de curta duração. | Melhor esforço | Preemptiva | Sim | Cota preemptiva | Descontos significativos (até 91%) | Padrão |
| Reservas padrão | Padrão | Cargas de trabalho gerais críticas de GPU que exigem um nível muito alto de garantia de capacidade. | Muito alto | Muito alto | Definido pelo usuário | Não | Nenhuma cota consumida | Taxas com desconto com descontos por compromisso de uso (CUDs) |
| Reservas adiantadas para blocos de capacidade | Vinculada à reserva | Treinamento em grande escala e de longa duração em GPU em cluster. | Muito alto | Ilimitado durante o período da reserva. | Não | A cota é aumentada antes da entrega | Com desconto (até 53%) com CUDs | Dense |
| Reservas adiantadas no modo calendário | Vinculada à reserva | Cargas de trabalho de GPU em cluster de até 90 dias que exigem capacidade reservada. | Muito alto | Até 90 dias | Não | Nenhuma cota consumida | Com desconto (até 53%) | Dense |
| VMs sob demanda | Padrão | cargas de trabalho gerais de GPU sem duração específica. | Melhor esforço | Ilimitado | Não | Cota sob demanda | Nenhum (pagamento por uso) | Padrão |
A opção de consumo usada para implantar sua infraestrutura depende de você usar GPU geral ou em cluster.
GPU geral: projetada para inferência, desenvolvimento e cargas de trabalho de treinamento em pequena escala. Esse tipo de GPU oferece flexibilidade operacional por meio da manutenção assíncrona. Para conferir as opções disponíveis, consulte Opções de consumo para GPU geral.
GPU em cluster: projetada para cargas de trabalho de treinamento em grande escala e estreitamente acopladas, além de inferência, RL e cargas de trabalho de modelo de raciocínio em grande escala que exigem alta garantia de capacidade e alocação densa de recursos para minimizar a latência da rede. Para conferir as opções disponíveis, consulte Opções de consumo para GPU em cluster.
Opções de consumo para GPUs gerais
Use as seguintes opções de consumo para adquirir capacidade de GPU geral.
Usar o início flexível
Para executar cargas de trabalho de curta duração que exigem recursos densamente alocados, é possível solicitar recursos de computação por até sete dias usando o início flexível. Sempre que os recursos estão disponíveis, o Compute Engine cria o número solicitado de VMs. É possível interromper VMs de início flexível autônomas, mas não é possível interromper VMs de início flexível que um grupo de instâncias gerenciadas (MIG) cria por solicitações de redimensionamento. As VMs de início flexível existem até que você as exclua ou até que o Compute Engine as exclua no final da duração da execução.
Cargas de trabalho ideais
- Pré-treinamento de modelo pequeno
- Ajuste fino de modelos
- Simulação de computação de alto desempenho (HPC)
- Inferência em lote
Principais características
- Modelo de provisionamento: início flexível.
- Amplo suporte a hardware: solicite qualquer tipo de máquina de GPU em cluster, exceto A4X Max e A4X.
- Otimização de latência: aplique uma política de posicionamento compacto a VMs autônomas para minimizar a latência de rede.
- Eficiência de custos: receba um desconto de até 53% em vCPUs, memória, GPUs e discos SSD locais para as séries de máquinas A4, A3, A2 e G4. As taxas padrão sob demanda se aplicam a outras séries compatíveis. Para mais informações, consulte Preços de início flexível.
Usar spot
Para executar cargas de trabalho tolerantes a falhas, você pode receber recursos de computação imediatamente com base na disponibilidade. Você recebe recursos pelo menor preço possível. No entanto, o Compute Engine pode forçar a interrupção das VMs a qualquer momento para recuperar a capacidade.
Cargas de trabalho ideais
- Processamento em lote e análise de dados
- Computação de alto desempenho (HPC) e codificação de mídia
Principais características
- Modelo de provisionamento: spot.
- Amplo suporte a hardware: solicite qualquer tipo de máquina de GPU em cluster, exceto A4X Max e A4X.
- Otimização de latência: aplique uma política de posicionamento compacto a VMs autônomas para minimizar a latência de rede.
- Eficiência de custo: receba um desconto de até 91% em vCPUs, memória, GPUs e discos SSD locais.
Usar sob demanda
Dica: para aumentar suas chances de obter capacidade geral de GPU, use o início flexível ou spot. Essas opções de consumo oferecem GPUs a um preço com desconto em comparação com os preços sob demanda e foram criadas para aumentar suas chances de conseguir recursos de alta demanda, como GPUs.
Para executar cargas de trabalho sem uma duração específica, é possível obter recursos de computação imediatamente com base na disponibilidade. As VMs são executadas até que você as interrompa ou exclua.
Cargas de trabalho ideais
- Inferência e disponibilização do modelo
- Prototipagem e experimentação
Principais características
- Modelo de provisionamento: padrão.
- Disponibilidade imediata: crie instâncias de VM imediatamente sem esperar pelo agendamento ou aprovação de capacidade.
- Preços padrão: pague pelos recursos com as tarifas padrão sob demanda sem compromissos de longo prazo.
- Amplo suporte a hardware: use com qualquer série de máquinas de GPU compatível no caminho geral de GPU.
Usar reservas padrão
Para executar cargas de trabalho gerais de GPU críticas que exigem um nível muito alto de garantia de capacidade, use reservas padrão.
Cargas de trabalho ideais
- Cargas de trabalho de produção críticas
- Cargas de trabalho que exigem capacidade garantida
Principais características
- Modelo de provisionamento: padrão.
- Garantia de capacidade: oferece uma garantia muito alta de que os recursos estão disponíveis.
- Preços: são cobradas taxas padrão, mas é possível anexar CUDs para economizar.
Opções de consumo para GPU em cluster
Use as seguintes opções de consumo para adquirir capacidade para GPU em cluster.
Usar reservas adiantadas para blocos de capacidade
Para executar cargas de trabalho distribuídas de longa duração e grande escala que exigem recursos alocados de forma densa, você pode solicitar recursos de computação alocados de forma densa para uma data e hora futuras. Você tem acesso exclusivo aos recursos reservados durante esse período e pode usá-los para criar VMs ou clusters. Ao final do período de reserva, o Compute Engine executa as seguintes ações:
- O Compute Engine exclui a reserva e qualquer pool de armazenamento vazio associado.
- Com base na ação de encerramento especificada para as VMs, o Compute Engine interrompe ou exclui todas as VMs que usam a reserva.
Cargas de trabalho ideais
- Pré-treinamento de modelos de fundação
- Inferência para modelos de fundação em vários hosts
Principais características
- Modelo de provisionamento: vinculado à reserva.
- Suporte a máquinas premium: reserve tipos de máquinas A4X Max, A4X, A4, A3 Ultra, A3 Mega ou A3 High (8 GPUs).
- Reservas de hiperdisco: é possível reservar um pool de armazenamento do Hyperdisk ou um Exapool de hiperdisco com capacidade de computação para garantir que suas cargas de trabalho tenham recursos de armazenamento suficientes. O Google faz a colocalização de pools de Hyperdisk com seus nós de computação para otimizar o desempenho do armazenamento.
- Requisitos de compromisso: anexe um compromisso baseado em recursos para reservas de um ano ou mais e receba descontos em recursos de computação e pools do Hyperdisk.
- Modificações dinâmicas: ative as notificações de manutenção emergencial de hardware para o uso de jobs da Vertex AI após o início do período.
Usar reservas adiantadas no modo de calendário
Para executar cargas de trabalho distribuídas de curta duração que exigem recursos alocados de forma densa, é possível solicitar recursos de computação por até 90 dias. Você tem acesso exclusivo aos recursos reservados durante esse período e pode usá-los para criar VMs ou clusters. Ao final do período de reserva, o Compute Engine faz o seguinte:
- O Compute Engine exclui a reserva.
- Com base na ação de encerramento especificada para as VMs, o Compute Engine interrompe ou exclui todas as VMs que usam a reserva.
Cargas de trabalho ideais
- Pré-treinamento e ajuste fino
- Simulações e inferências em grande escala
Principais características
- Modelo de provisionamento: vinculado à reserva.
- Suporte a séries de máquinas: reserve tipos de máquinas A4, A3 Ultra, A3 Mega ou A3 High (8 GPUs).
- Limites de escalonabilidade: reserve até 80 VMs por um máximo de 90 dias.
- Provisionamento otimizado: use um modelo vinculado a reservas para aumentar suas chances de conseguir GPUs.
Usar o início flexível
Use o início flexível para solicitações de redimensionamento de grupo gerenciado de instâncias (MIG) em cluster quando precisar de recursos densamente alocados por até sete dias.
Cargas de trabalho ideais
As VMs de início flexível são ideais para executar cargas de trabalho que podem ser iniciadas a qualquer momento, como:
- Pré-treinamento de modelo pequeno
- Ajuste fino de modelos
- Simulação de computação de alto desempenho (HPC)
- Inferência em lote
Principais características
- Modelo de provisionamento: início flexível.
- Alocação de recursos: alocação densa para solicitações de redimensionamento de MIG.
- Eficiência de custos: você recebe um desconto de até 53% em vCPUs, memória, GPUs e discos SSD locais anexados para as séries de máquinas A4, A3, A2 e G4. As taxas padrão sob demanda se aplicam a outras famílias de máquinas compatíveis.
Usar spot
É possível usar VMs spot para cargas de trabalho tolerantes a falhas e alocadas de maneira densa para conseguir descontos significativos, sabendo que o Compute Engine pode fazer a preempção das VMs para recuperar a capacidade.
Cargas de trabalho ideais
- Treinamento distribuído tolerante a falhas
- Processamento em lote
Principais características
- Modelo de provisionamento: spot.
- Preempção: o Compute Engine pode fazer a preempção de instâncias a qualquer momento.
- Eficiência de custo: receba um desconto de até 91% em vCPUs, memória, GPUs e discos SSD locais anexados.
A seguir
- Para revisar o processo e as opções a serem feitas ao iniciar um cluster, consulte Planejar e criar sua infraestrutura de IA.
- Para criar e usar reservas, consulte Criar e usar reservas.
- Para saber mais sobre as VMs spot, consulte Saiba mais sobre as VMs spot.
- Para criar uma instância de VM sob demanda, consulte Criar uma instância de VM sob demanda.