PC提案事例

科学技術計算用のマシンを導入したい。
CPUとストレージのInput/Output負荷の高い用途で利用する予定。

想定している構成は以下の通り。

・CPU：AMD EPYC 7763 x1
・メモリ：RDIMM 32GB x8
・GPU：RTX3080
・SSD：2TB NVMe M.2 x10 (M.2拡張カード x4利用)
・HDD：18TB NAS用 x2台
・筐体：4U筐体 (スライドレール込み)
・オプション：瞬断とサージ対策用のUPS，LANケーブル10m，メンテナンス用のキーボード・マウス・ディスプレイ
・予算：300万円程度

実際のお問い合わせでは、ショートパーツも含めて各パーツに対して詳細に型番をご指定いただきましたが、ご指定パーツ全てに対して相性を確認することが難しいため、弊社製PCとして動作を保証できる構成にてご提案しました。ご連絡いただいた条件の本質的な部分を押さえつつ、ご案内可能な内容に落とし込んでいます。

筐体選定のポイント

4Uラックマウント型筐体よりもパーツ選択の自由度が高いタワー型としており、冷却には弊社が同様の構成で標準採用している水冷クーラーを搭載しています。

ストレージ選定のポイント

ストレージI/O負荷の高い科学技術計算を目的としていることから，最も重要なポイントはストレージ構成と考えました。

しかし、ご要望の「M.2 SSD x10本とM.2拡張カード x4枚の組み合わせ」はPCI-Expressスロットを大量に消費することや、ストレージ容量の分散という観点から、必ずしも利用効率が良いとは言い難いため、本質的なご要望を推測した構成を検討しました。

お問い合わせの中でお客様からご指定いただいたM.2拡張カードはSSDを2本搭載できる製品でしたが、これを4枚利用しても搭載できるM.2 SSDは8本までです。残り2本のSSDはマザーボードに直接搭載する想定と判断し、それに近い構成になるよう、マザーボードに4TB SSD M.2 x1本 ＋ 15.3TB SSD U.3 x1本 を直接搭載する形にしています。どちらのSSDもNVMe対応ですので、性能面ではお客様の想定仕様との差はありません。
こちらの構成であれば、15.3TBの領域を1ボリュームとして扱うことができ、SSDを複数搭載する場合と比べてデータ保存領域の効率が改善します。

CPU選定のポイント

ご希望のEPYC 7763は入手に時間を要するため (2022年9月現在) 、同じ64コア製品のThreadripper pro 5995WXとしています。

ストレージ速度とRAID0について

お客様よりストレージ速度の向上を目的として、当初希望していた2TB NVMe x8本を搭載することにより、アクセス性能はストレージ本数分だけ乗算されるのではないかというご質問をいただきましたが、単純にSSDを8本搭載する場合、1本文のアクセス性能をおったSSDが独立して8本搭載された状態となるため、SSDの数だけアクセス性能が向上するということはありません。

アクセス性能を向上させるプランとしては、複数のSSDでRAID0を構築し1本分以上のアクセス性能を実現する方法が考えられます。
ただし、RAIDにはオーバーヘッド (処理・伝送するために余計にかかる負荷や時間) があり、ストレージ2台でRAID0を構築しても、アクセス性能は2倍を下回ります。また、オーバーヘッドはストレージの数が増えるほど大きくなる傾向があります。
以前に弊社にてSSD x4本でハードウェアRAIDを利用しRAID0を構築した際には、およそ2.5倍程度の速度向上にとどまりました。ソフトウェアRAIDで構築する場合には、RAIDボリュームの制御をOS上でソフトウェア的に行うため、ハードウェアRAIDよりもオーバーヘッドが更に大きくなるとお考えください。

また、RAID0の導入における無視できない要素として、対障害性への懸念があります。
RAID0はボリュームを構築するストレージの1台が故障すると、データが全損します。仮に8本のSSDでRAID0を構築した場合、同じ容量の1本のSSDに対して、一定幾何の障害発生率は理論上約8倍になります。
RAID0はハードウェア障害に対して基本的に脆弱であるという前提のもと、データバックアップ等をご検討いただくのが良いかと存じます。

逆説的に、1本のSSDで完結させるメリットは、構成がシンプルになり相対的に障害に対して強くなる点にあるとお考えください。

検索キーワード
科学技術計算機,電子計算機,電算機,計算科学,データサイエンス

第一原理計算用途で gfortran + OpenMP + LAPACK の入門機となるLinuxマシンを導入したい。
以下の条件にマッチした構成を案内して欲しい。

CPU：Ryzen 9 5900X
メモリ：32GB
GPU：安価なもの
ネットワーク：無線LAN
OS：Ubuntu
その他：極力静音な構成

■ハードウェア以外の条件 ・gfortran + OpenMP + LAPACK のセットアップ ・ウイルス対策ソフトのセットアップ ・SSHサーバセットアップおよび無線LAN固定IPアドレス設定 ・USBリカバリメディアの作成

ご要望にあわせた構成をご提案しました。
CPU以外からの発熱が低いスペックですので、筐体ファンを外してCPUクーラーのみで冷却することにより、動作音を抑えています。全てのケースファンを外した場合、実質的な動作音はCPUクーラーの音のみとなります。なお、CPUクーラーの騒音値は最大37dB(A)です。筐体自体も、静音性を重視した製品としています。
※37dB(A)は一般的に静かと呼ばれる騒音レベルです。ささやき声、静謐な住宅地の日中の音、図書館内、しとしと降る雨といった程度の音です。

DeepLearningを始めたいので、入門用のマシンを導入したい。
希望するスペックは以下の通り。

・CPU：指定はないので、適切なものを提案して欲しい。
・メモリ：32GB
・ストレージ：500GB SSD M.2
・OS：Windows11
・GPU：適切なものを提案して欲しい。
・マウス・キーボード：無線タイプ
・予算：50万円前後

ご指定の条件を満たす構成を検討しました。
CPUとビデオカードはご予算内で導入できる組み合わせとしていますが、計算の高速化やプログラミングのためのGPGPU・CUDA利用でも過不足のない構成としています。
お客様へのヒアリングでは、DeepLearning初心者に向けたマシン導入・テスト的な導入というお話でしたので、以下の点に配慮したご提案となっています。

・CPUとビデオカードはご予算内で導入できる組み合わせ
・GPGPUやCUDAを入門的に使うにあたり、過不足のないスペック
・Anacondaパッケージサービス込み

検索キーワード
DeepLearning入門用マシン,DeepLearning,CPU,メモリ,ストレージ,Windows11,GPU,GPGPU,CUDA,Anacondaパッケージサービス,Deep learning，Machine learning，Artificial intelligence，Neural networks，Deep neural networks，Deep stacking networks，Supervised learning，Unsupervised learning，Natural language processing，Smart manufacturing，Computational intelligence，Data analytics，learning (artificial intelligence)，Information processing，Computer vision，AI，big data，programming

大学での授業用で画像解析・機械学習を行うため専用のマシンを導入したい。
最大30名程度の学生が利用する想定で、各自のPCからアクセスし、科学演算や画像解析・機械学習の演習を行う。
OSはUbuntuで、Anaconda / SSH-Server/R / TensorFlow / Pytorch のインストールを希望する。
GPUの利用頻度は少ないので、スペックを妥協することはできる。
予算は400万円程度を考えている。

ご希望の条件に合わせて、たたき台の構成を検討しました。
GPUサーバー仕様ではご予算に収めることが難しいため、GPU x1枚・100V電源環境向けの構成としています。
ご予算との兼ね合いから、CPUは64コア (32コア x2基) とし、メモリは256GBです。30名で利用する場合、一人当たりCPU 2コア (4スレッド) /メモリ 8GB程度のリソース割り当てとなる計算です。

ソフトウェアはご指定のものをインストールするまでを作業範囲として想定しています。個別の設定が必要な場合は、別途ご相談とさせていただきます。

Anacondaを商業活動において利用する場合には有償ライセンスが必要となります。
これまで、大規模利用用の Enterprise のみの取り扱いでしたが、小規模利用のライセンスも取り扱い可能となりました。詳細は、下記をご確認ください。

■データサイエンスプラットフォーム「Anaconda」の小規模利用有償ライセンス

■Anaconda　科学技術計算向けのPython および Rのディストリビューション

検索キーワード
科学演算,画像解析,機械学習,Anaconda,Rプログラミング,TensorFlow,PyTorch,GPUサーバー,Ubuntu 20.04,ハイスペックPC, Deep learning，Machine learning，Artificial intelligence，Neural networks，Deep neural networks，Deep stacking networks，Supervised learning，Unsupervised learning，Natural language processing，Smart manufacturing，Computational intelligence，Data analytics，learning (artificial intelligence)，Information processing，Computer vision，AI，big data，programming