نیازهای آموزش پرکارایی
دانشکده Entertainment Arts دانشگاه Kwantlen Polytechnic راه عملی برای پشتیبانی کاربردهای گرافیکی سنگین و سیستم‌های سه‌بعدی برای دانشجو و هیئت علمی می‌خواست. هزینه و تلاش عملیاتی محیط GPU VDI محلی محدودیت مرکزی بود.
هزینه، دسترسی و ظرفیت
طراحی باید تجربه کاربرد و هزینه ارائه نشست GPU را در نظر می‌گرفت. رفتن به یک ابر بدون ارزیابی ظرفیت و افزونگی به‌تنهایی مدل عملیاتی قابل قبول نمی‌ساخت.
معماری در بستر تصمیم
معماری مفهومی برای مرزهای تصمیم؛ محیط مشتری را نشان نمی‌دهد.
کار تحویل‌شده
- تحلیل وضع موجود نیازهای آموزش گرافیکی سنگین.
- طراحی راه‌حل در گزینه‌های مناسب AWS و Azure و Google Cloud.
- تحلیل مقیاس‌پذیری، افزونگی و هزینه.
- اثبات مفهوم برای ارزیابی رویکرد هدف.
اتوماسیون و ظرفیت جایگزین
روایت پروژه محاسبات GPU از طریق دسکتاپ مجازی را توصیف می‌کند و وقتی تخصیص ظرفیت AWS تأخیر داشت Azure به‌عنوان پلتفرم جایگزین بررسی شد. Terraform و Ansible پیکربندی زیرساخت تکرارپذیر را پشتیبانی کردند.
درس مفید معماری، ارزیابی همزمان ظرفیت، دسترسی و تلاش عملیاتی است. ارائه‌دهنده دوم وابستگی هویت، داده و پشتیبانی خود را دارد که باید اعتبارسنجی شود.
ارزش رویکرد
- مبنای روشن‌تر برای ارزیابی هزینه و ظرفیت دسکتاپ GPU ابری.
- شیوه تأمین و پیکربندی تکرارپذیر.
- معماری برای بهبود دسترسی دانشجو/هیئت علمی به کاربردهای سنگین.
- نقطه شروع آزموده برای تصمیم‌های عملیاتی و افزونگی.
به‌کارگیری درس
کاربردهای آموزشی نماینده، دستگاه کاربر و شرایط شبکه را در اثبات مفهوم به‌کار بگیرید. توافق کنید نشست موفق چگونه است و داده، پشتیبانی و ظرفیت در ترم چگونه مدیریت می‌شود.
پرسش‌ها و پاسخ‌ها
پروژه کدام محیط آموزشی را پوشش داد؟
مورد منبع دانشکده Entertainment Arts دانشگاه Kwantlen Polytechnic و کاربردهای گرافیکی سنگین و سیستم‌های سه‌بعدی آن را توصیف می‌کند.
#آیا مؤسسه دیگر باید همان نتیجه هزینه را انتظار داشته باشد؟
صرفه‌جویی ثابت فرض نمی‌شود. مجوز کاربرد، الگوی نشست، ظرفیت ابری، دسترسی داده و انتخاب افزونگی اقتصاد محیط دیگر را تعیین می‌کند.
#چرا با اثبات مفهوم شروع کنیم؟
قبل از استقرار گسترده‌تر، شواهدی درباره تجربه کاربرد و محدودیت‌های عملیاتی می‌دهد. آن شواهد می‌تواند معماری و فرض هزینه را تغییر دهد.
#