競價這種方式適合不適合GPU雲服務器，怎麼買更划算??

什麼，阿里雲出競價了！！！

競價實例全網1折起開售，雲服務器最低每小時不足2分錢。2分錢？！

「競價」型實例是個蝦米？竟然能低至一折起。

競價？難道是比誰眼力好嗎？真的能夠撿到便宜嗎？這麼高大上的阿里雲產品GPU也能夠嗎？

hoho，
來看個究竟。
搭載Nvidia最新一代P100計算卡GN5實例，競價購買最低只需1.54元/小時起。
具體詳情：https://yq.aliyun.com/articles/226755

競價這種方式適不適雲服務器，怎麼買更划算??

哪些客戶能夠用？哪些場景能夠用?
場景解析：
視頻渲染/轉碼的場景
一般的渲染場景架構計算與存儲是分離的，而且計算採用分佈式部署而渲染素材數據和渲染結果採用集中存儲；
任何一個渲染項目，其中很大一部分的成原本自分佈式的計算所須要大量GPU；可是在渲染場景下，每路GPU之間的計算相互獨立無交互，經過加入簡單的GPU計算節點容錯機制，能夠經過「競價付費」獲取GPU實例+NAS/OSS集中存儲的方式，把計算資源的成本大大下降，進而大幅下降總的渲染成本。
以經常使用的ecs.ga1.4xlarge（16vCPU/40GB內存/1*AMD S7150 GPU卡）爲例，其包月小時價格爲： 8.35元/小時，當採用10個實例組成集羣時，渲染8小時的總花費爲668元（8.35X10X8=668）。當使用競價性方式，能夠最低一折起只要不到百元花費便可完成，大幅下降計算費用。

AI深度學習場景
深度學習Training訓練場景中模型中間數據可經過checkpoint機制存放於雲盤或NAS/OSS等持久存儲中，利用類似的計算存儲分離的架構，也可利用競價實例來顯著下降GPU實例成本；
深度學習Inference在線推理場景，充分利用各推理節點間的無狀態特徵，部署多個競價性實例，且經過前端接入SLB負載均衡，將推理請求引流到不一樣的GPU競價實例，達到更高的性價比。
以推理計算型實例gn5i-c8g1.2xlarge（8vCPU/32GB內存/1*Nvidia P4 GPU卡）爲例，其包月小時價位4.67元，當採用10個實例組成AI深度學習推理服務時，其每小時的GPU成本46.7元。考慮業務波峯和谷，可採用包月+競價組合方式，保留少許包月實例知足最低要求，並經過競價實例來知足波動的請求，整體費用上能夠下降到原包月的40%~70%!

科學計算
利用科學計算模型的容錯機制，多個競價性GPU卡之間分別計算，而數據存放在NAS/OSS等持久共享存儲中，這種方式在提高總體擴展性的同時，顯著下降計算成本。
以經常使用的gn5-c28g1.7xlarge（28vCPU/112GB內存/1*Nvidia P100 GPU卡）爲例，其包月小時價爲28.09元，當採用10個實例組成HPC集羣時，計算8小時的總花費爲2247.2元。當使用競價性方式，能夠最低一折起，最低只要不到三百元便可完成。

這麼便宜，這麼便宜，這麼便宜，阿里雲是瘋了嗎？不過仍是要了解清楚到底什麼狀況下使用競價型實例，真的能夠享受特麼如此吐血的虧本價？

考題來了。
1.競價型實例經過競價的方式，最低能夠幾折？

2.GPU有哪些實例規格？

3.競價這種方式適不適雲服務器，怎麼買更划算??

 

原文鏈接：http://click.aliyun.com/m/34029/