![Intel、“脳”の模倣でCPUより1千倍高速な演算システム「Pohoiki Beach」](https://cdn-ak-scissors.b.st-hatena.com/image/square/2beecbff6c44e74845eb3d5c43fa8cc329476e23/height=288;version=1;width=512/https%3A%2F%2Fpc.watch.impress.co.jp%2Fimg%2Fpcw%2Flist%2F1197%2F829%2F01.jpg)
Qualcommは米国時間7月15日、同社のこれまでで最も高性能なモバイルプラットフォームとなる「Snapdragon 855 Plus」を発表した。同製品は、2018年12月に発表され、サムスンの「Galaxy S10 5G」などの端末に搭載されている「Snapdragon 855」を強化したものだ。CPUとGPUの性能が向上し、特にゲーム愛好者に歓迎されるものとなっている。 Snapdragon 855 Plusに搭載される「Qualcomm Kryo 485」CPUのプライムコアのクロックスピードは最大2.96GHzとなり、また「Qualcomm Adreno 640」GPUはSnapdragon 855と比較して性能が15%向上している。 「Snapdragon 855 Plusは、コアゲーマーが求める水準を引き上げるものになるだろう。CPUとGPUの性能を高め、5G、ゲーム、AI
Web系の会社にいると,仕事用のPCとしてMacを支給されることが多いと感じている.例にもれず俺も会社ではMacBook Proを使っていたのだけれど,最近Macが使い物にならないくらい遅くなってきた. そもそもそんなに新しいMacではないというのはあるんだけれど. もはやローカルでの開発はほぼDocker化してしまっているので,なにをするにもDockerを起動する必要がある. しかし,Docker for Macは遅い.とくにvolume mountが遅すぎて,webpackなんか走らせたらお茶を入れに行くくらいの猶予が発生する. ---追記--- webpackだけならdockerじゃなくていいじゃんと言われたので,一応弁明しておくと,webpack以外もあります. DjangoとかElasticsearchとかElasticsearchとかlocalstackとかredisとかDja
NetflixのシニアパフォーマンスアーキテクトであるBrendan Gregg氏による、Linuxサーバにログインして60秒でまず調べることのまとめ。 パフォーマンス問題でLinuxサーバーにログインしたとして、最初の1分で何を調べますか? Netflixには、多数のEC2 Linuxからなるクラウドがあり、そのパフォーマンスを監視したり調査したりするための数々のパフォーマンス分析ツールがあります。その中には、クラウド全体にわたる監視を行うAtlasや、オンデマンドにインスタンスの分析を行うVectorがあります。これらのツールは多くの問題を解決する手助けをしてくれますが、各インスタンスにログインし、標準的なLinuxパフォーマンスツールを実行する必要がある場合もあります。 この記事では、すぐ使えるはずの標準的Linuxツールを使いコマンドラインにおいて、最適化されたパフォーマンス調査を
第3世代Ryzenのアドバンテージ 第3世代Ryzenでは、CPUパッケージ内の構造ががらりと変わる。従来はCPUダイが1つ格納されていただけだが、第3世代Ryzenからはチップレット(Chiplet)構造を採用し、I/Oダイを中心にCPUダイが上位のCPUでは2つ接続される。1つのCPUダイが最大8コア16スレッドで、2つのダイを搭載したRyzen 9 3950Xが16コア32スレッド対応となる。他はCPUダイの数、CPUダイ上のいくつのコアを有効化/無効化するのかのバリエーションだ。 I/OダイはPCI Express(以下PCIe) Gen4をサポートしている。現在主流であるPCIe Gen3の倍の帯域を実現する次世代インターフェースだ。その上で、I/Oダイの帯域は豊富だ。PCIeグラフィックスカード用のx16レーンはもちろん、チップセット側との接続もPCIe Gen4 x4が確保さ
Linux カーネルのメモリ管理方法について、勉強したことをまとめる。 メモリ管理はハードウェアに強く依存するため、x86_64 かつ OS起動後に 64bitプロテクトモード に移行したあとに話を絞る。また、OS は CentOS7.6、カーネルは次のバージョンを利用する。 ]# cat /etc/redhat-release CentOS Linux release 7.6.1810 (Core) ]# uname -a Linux localhost.localdomain 3.10.0-957.21.3.el7.x86_64 #1 SMP Tue Jun 18 16:35:19 UTC 2019 x86_64 x86_64 x86_64 GNU/Linux 概要 ノイマン型アーキテクチャ コンピュータの基本的な構成のひとつ。次の図が参考になる。 ほぼ全てのコンピュータが、このアーキ
Cloudflare、ファイアウォールに追加した「正規表現のミス」が全面的なCDNダウンの原因と報告。「キルスイッチ」で解除 日本時間で昨夜11時50分頃から約30分のあいだ、CloudflareのCDNが全面的にダウンし、同社のサービスを利用していたWebサイトなどが影響を受けた問題について、同社はブログを更新。 今回のCDNがダウンした原因は、ファイアウォールに追加した新ルールの中に正規表現のミスが含まれていたためであることを明らかにしました。 参考:CloudflareのCDNが全面的に約30分ダウンし、世界中のWebサイトが影響を受ける。原因はソフトウェアの動作不良。ロールバックで対応 ファイアウォールに新ルールを追加したことが引き金に 同社のCDNにはWebアプリケーションファイアウォールの機能があり、新たにこのファイアウォールに追加したルールの中に間違いが含まれていたことがCP
NVIDIAは6月17日(独時間)、 NVIDIA CUDA-X AIやHPCライブラリ、GPUアクセラレーテッドAIフレームワーク、ならびにOpenACC対応のPGIコンパイラおよびプロファイラといった、ソフトウェア開発ツールを含む600以上のNVIDIAのAIおよびHPCソフトウェアのフルスタックを、2019年末までにArmのエコシステムで利用できるようにすることを発表した。 NVIDIAによる、ArmをベースとしたHPCシステムへの対応は、10年以上にわたる両社の連携を通じて実現されたもので、これらのスタックの最適化が完了すると、NVIDIAのGPUはx86、POWER、Armといったすべての主要CPUアーキテクチャのアクセラレーションが可能になるとNVIDIAでは説明している。
Whether you are a Linux system administrator or a DevOps engineer, you spend a lot of time tracking performance metrics on your servers. You may sometimes have instances that are running very slow without having any real clues of what the issues might be. You may have unresponsive instances that might block you from running remote commands such as top or htop on them. You may have a simple bottlen
はじめに 本記事は昔書いたlinuxカーネル4.1のプロセススケジューラの実装について途中まで書いたけど諸事情により二年くらい放置していたドラフトです。死蔵するのももったいないので公開しておきます。今現在のカーネルに比べてずいぶんと変わっていること、未稿の部分がかなりあること、誤字脱字や「てにをは」は気にしていないこと、などにご注意ください。 このドキュメントを積極的に更新する予定は(少なくともこの場では)いまのところありません。 ある瞬間にCPU1で動作できる処理は1つだけです。この限りあるCPU資源をシステムに存在する プロセス間で分配するのがプロセススケジューラです。プロセススケジューラは大きく分けて 次のことをします。 全プロセスの間で平等にCPUを分配する スループットの最大化 レイテンシ(応答時間、ターンアラウンドタイム)の最短化 個々のコアのことであり、かつ、ハイパースレッド
MySQL 8 は MySQL 5.7 より常に高速とは限らない(MySQL 8 is not always faster than MySQL 5.7) に続いて、 今回は、データがメモリに収まっており、CPUバウンドな、read only のとてもシンプルなワークロードのテストをすると決めました。このワークロードにIO処理はありません、メモリとCPUの処理だけです。 テスト環境 環境のスペック Release | Ubuntu 18.04 LTS (bionic) Kernel | 4.15.0-20-generic Processors | physical = 2, cores = 28, virtual = 56, hyperthreading = yes Models | 56xIntel(R) Xeon(R) Gold 5120 CPU @ 2.20GHz< Memory T
GTC 2019でDell/EMC、テキサス大オースチン校とテキサス大サンアントニオ校の研究者が「MLPerf」を使ってディープラーニングのハードウェアインフラの選び方を理解するという論文を発表した。 (このレポートの図は、別の出典を挙げていない場合は、GTC 2019におけるDELL/EMCのRamesh Radhakrishnan氏の発表資料のコピーである) MLPerfベンチマークはマシンラーニングの学習の実行性能を測るベンチマークである。現在、V0.5というものが使われている。MLPerf V0.5では「イメージ分類」、「オブジェクト検出」、「翻訳」、「リコメンデーション」、「強化学習」の5つのドメインがあり、それぞれのドメインの問題に対するマシンラーニングのトレーニングの性能を測定する。 発表を行うDELL/EMCのRamesh Radhakrishnan氏 (筆者撮影) なお、
左=グラフの上2段が振動波形で、一番下は、異常度を表す波形。直線の波形は「正常」で、大きく振れた状態は「異常」を示している。歯車の回転を邪魔すると、振動波形が乱れ、「異常」と判断される/右=乱れた波形が続くと、それを正常だと学習するので、一番下のグラフが直線に戻っている(クリックで拡大) 同技術は、ロボットや産業機器、IoT(モノのインターネット)ゲートウェイなどに搭載することを想定している。久保田氏は、製造現場の装置、つまりエッジデバイスで学習できるようにしたいというニーズは高まっていると話す。「製造現場は、1つ1つの工場や製造ラインによって、環境がかなり異なる場合がある。異常な波形などを事前に学習し、それを現場で実装すると、推論の精度にブレが生じる可能性が高い。1つ1つの現場で、リアルタイムに学習すれば、精度のブレが少ない推論ができるようになると考えている」(久保田氏) KAIBERの
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
処理を実行中です
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く