Wolfram Compute Services
설정 없이 슈퍼컴퓨팅으로Wolfram 계산을 즉시 확장하세요
Wolfram Compute Services는 모든 설정과 작업 조정을 처리하여, 대규모 병렬 처리, 대용량 메모리 및 GPU 등에 접근하면서, 어떤 Wolfram 계산이든 슈퍼컴퓨터 수준으로 즉시 강력하게 실행할 수 있도록 합니다.
- 모든 규모의 연구, 개발, 생산에 적합
- 강력한 작업 관리 및 모니터링 설정
- 설치나 설정 없이 Wolfram 시스템에서 바로 실행 가능
- Wolfram 서비스 크레딧을 사용하므로 별도의 구독 불필요
Wolfram Compute Services의 주요 기능
비동기 배치 계산 서비스
작업을 제출하고 결과가 백그라운드에서 처리되는 동안 세션에서 계속 작업할 수 있습니다.
작업 알림
작업이 완료되면 이메일이나 문자 메시지로 알림을 받습니다.
배열 작업 및 동적 상태 시각화
관련된 여러 작업을 그룹으로 실행하고 관리합니다. 동적 상태 시각화를 통해 진행 상황을 모니터링할 수 있습니다.
대형 머신 인스턴스 접근
고사양 워크로드의 작업을 처리하기 위해, 메모리가 크고 코어 수가 많은 강력한 머신에서 계산을 실행합니다.
머신 인스턴스 분류
Wolfram Compute Services는 다양한 계산 요구에 맞춰 네 가지 머신 인스턴스 분류를 제공합니다.
Basic: 일반 계산용
Basic 인스턴스는 일상적인 계산 작업(수치 시스템 수행, 다수의 시각화 생성 등)을 위해 균형 잡힌 리소스를 사용하여 비용 효율적인 계산을 제공합니다.(GB)
시간
Memory: 메모리 집약적 작업용
Memory 인스턴스는 메모리를 많이 필요로 하는 계산(그래프, 철저한 조합 검색, 고해상도 이미지, 동영상 처리 등)에 적합합니다.(GB)
시간
Compute: 계산 집약적 작업용
Compute 인스턴스는 Wolfram 언어 병렬 계산에서 많은 코어 수가 필요한 작업에 적합합니다.(GB)
시간
GPU: GPU 가속을 사용하는 작업용
GPU 인스턴스는 가속화된 신경망 학습/추론, CUDALink 프로그래밍 및 기타 GPU 컴퓨팅을 위해 하나 이상의 로컬 연결 GPU를 제공합니다.(GB)
시간
(메모리 44GiB)
(메모리 89GiB)
계산 비용의 완벽한 관리
Wolfram Compute Services의 작업은 서비스 크레딧을 사용하며, 필요에 따라 구매할 수 있습니다. Wolfram 계정 대시보드에서 서비스 크레딧 잔액과 사용량을 확인하고 크레딧을 추가할 수 있습니다. 모든 작업은 특정 크레딧 한도 혹은 시간 제한을 설정할 수 있습니다.
Q&A
내 Wolfram 제품에서 Wolfram Compute Services를 어떻게 활성화하나요?
데스크톱에서 Mathematica, Wolfram|One 또는 Wolfram Engine 14.3을 사용 중이라면, RemoteBatchSubmissionEnvironment["WolframBatch"] 를 실행하여 활성화할 수 있습니다. 이 기능은 현재 Wolfram Cloud에서 자동으로 사용 가능하며, 향후 Wolfram 데스크톱 클라이언트 버전에서도 제공될 예정입니다.
어떤 유형의 작업을 실행할 수 있나요?
Wolfram Compute Services는 단일 작업과 배열 작업을 지원합니다. 단일 작업은 하나의 머신 인스턴스를 실행합니다. 배열 작업은 입력 배열의 크기에 따라 자동으로 결정된 여러 머신 인스턴스를 실행합니다. 입력 배열을 머신 인스턴스에 분할하는 방법도 지정할 수 있습니다. 자세한 내용은 RemoteBatchSubmit, RemoteBatchMapSubmit을 참조하세요.
어떤 버전의 Wolfram 언어가 지원되나요?
Wolfram Compute Services 배치 작업은 Wolfram 언어 14.3 이상 버전에서 제출할 수 있습니다. 제출된 작업은 항상 최신 출시 버전의 Wolfram Engine에서 실행됩니다.
계산 결과를 저장할 수 있는 방법은 무엇인가요?
결과는 Wolfram Compute Services에서 14일 동안 임시로 저장되며, 이 기간 동안 로컬에 다운로드하여 저장할 수 있습니다. 또한 CloudPut 함수 혹은 AWS 서비스 연결을 사용하여 결과를 Wolfram Cloud 또는 다른 클라우드 저장소에 업로드할 수도 있습니다.
내 작업에서 인터넷에 접근할 수 있나요?
예, 인터넷에 직접 또는 간접적으로 접근하는 모든 Wolfram 언어 함수는 예상대로 작동합니다. 또한 모든 Wolfram Cloud 및 Wolfram|Alpha 서비스도 작업에서 접근할 수 있습니다.
내 작업에 SSH로 접속할 수 있나요?
아니요, Wolfram Compute Services의 배치 특성상 개별 작업에 SSH로 접근할 수 없습니다
머신 클래스는 배열 작업과 어떻게 관련되나요?
배열 작업에 머신 클래스를 선택하면, 해당 클래스가 각 하위 작업에 적용됩니다. 결과적으로 총 크레딧 소비량은 하위 작업 수에 따라 증가합니다. 예를 들어, 16개의 하위 작업을 실행하는 배열 작업을 시작하면 각 하위 작업은 지정된 머신 클래스를 사용합니다. 입력 배열에 10,000개의 요소가 있다면 일반적으로 100개의 요소가 100개의 머신 인스턴스에 할당됩니다. 지정한 머신 클래스는 각 머신 인스턴스의 클래스 유형을 결정합니다.
내 AWS나 Azure 같은 클라우드 계산 계정을 사용할 수 있나요?
예, 다만 Wolfram Compute Services를 통해서는 사용할 수 없습니다. 대신, 자체적으로 "AWSBatch" 또는 "AzureBatch" 제공자를 구성해야 합니다.
계산 작업에서 사용할 수 없는 Wolfram 언어 기능은 무엇인가요?
CUDA 코드의 런타임 컴파일 (CUDAFunction 등)은 현재 지원되지 않습니다.
작업에 맞춤 소프트웨어/도구를 설치할 수 있나요?
자신의 작업 코드의 일부로, 계산에 필요한 경우 RemoteInputFiles 옵션을 사용하여 맞춤 소프트웨어나 도구(자신의 패키지나 팩클릿 포함)를 설치할 수 있습니다. 단, 작업이 종료되면 모든 맞춤 설정은 사라진다는 점에 유의합니다.
Wolfram Compute Services를 사용하려면 서비스 크레딧을 반드시 구매해야 하나요?
반드시 그렇지는 않습니다. 많은 Wolfram 구독 플랜에는 소량의 서비스 크레딧이 포함되어 있으며, 이를 사용하면 소규모 원격 작업을 시도할 수 있습니다. 더 크거나 자주 실행하는 계산 작업을 위해서는 언제든지 추가 크레딧을 구매할 수 있습니다. 또한 원하는 금액으로 자동 충전을 설정할 수도 있어, 잔액을 항상 유지하고 싶을 때 유용합니다.
서비스 크레딧이 부족하면 내 작업은 어떻게 되나요?
크레딧이 부족하면 실행 중인 모든 작업이 종료되며, 크레딧을 충전할 때까지 새 작업을 제출할 수 없습니다. 크레딧을 추가하면 새 작업을 제출하거나 중단된 작업을 다시 제출할 수 있습니다.
서비스 크레딧 잔액은 어떻게 확인하나요?
Wolfram 계정의 서비스 크레딧 상세 페이지에서 잔액을 확인하고, 크레딧을 추가 구매하거나 과거 사용 내역을 검토할 수 있습니다. 또한 Wolfram 언어에서 $ServiceCreditsAvailable을 사용하여 현재 서비스 크레딧 잔액을 조회할 수도 있습니다.
서비스 크레딧은 얼마나 유효한가요?
서비스 크레딧은 만료되지 않습니다. 사용하기 전까지 계정에 그대로 남아 있습니다.
사용하지 않은 서비스 크레딧에 대해 환불을 받을 수 있나요?
아니요. 모든 구매한 서비스 크레딧은 환불되지 않습니다.
Wolfram Compute Services를 통해 사용하는 타사 서비스의 가용성을 Wolfram에서 보장하나요?
아니요. Wolfram Compute Services는 원격 작업을 실행하기 위해 타사 계산 리소스를 사용합니다. Wolfram이 이를 Wolfram 언어 작업 흐름에 통합하더라도, 타사 리소스의 가용성, 성능 또는 업타임은 Wolfram에서 제어하지 않습니다.
Wolfram Compute Services는 어떤 물리적 하드웨어를 사용하나요?
물리적 하드웨어는 머신 클래스마다 다르며, 가장 최신의 하드웨어 옵션을 제공하기 위해 시간이 지나면서 변경될 수 있습니다.
Wolfram Compute Services는 어떤 환경에서 실행되나요?
Wolfram Compute Services 작업은 Ubuntu Linux를 사용하는 Wolfram Engine Docker 이미지에서 실행됩니다.
RemoteBatchSubmit로 제출한 작업에서 더 큰 머신 클래스의 여러 코어를 어떻게 활용할 수 있나요?
ParallelMap, ParallelTable과 같은 병렬 처리 함수는 원격 머신의 모든 CPU 코어를 활용합니다. 또한 일부 언어 기능은 병렬 처리나 멀티스레딩을 통해 자동으로 다중 코어에 최적화됩니다. 사용 사례에 가장 적합한 구성을 찾기 위해 여러 머신 클래스와 최적화 기법을 실험해보는 것을 권장합니다.