3D-videorendering är en tidskrävande process som kräver en betydande mängd CPU-tid att slutföra. På en enda dator kan processen med att generera en videofil från statiska tillgångar ta timmar eller till och med dagar beroende på längden och komplexiteten i videon som du producerar. Många företag kommer att köpa antingen dyra avancerade stationära datorer för att utföra dessa uppgifter eller investera i stora renderingsgrupper som de kan skicka jobb till. Men genom att dra nytta av Azure Batch är den kraften tillgänglig för dig när du behöver den och stänger av sig själv när du inte gör det, allt utan kapitalinvesteringar.
Arkitektur
Ladda ned en Visio-fil med den här arkitekturen.
Dataflöde
Det här scenariot visar ett arbetsflöde som använder Azure Batch. Dataflödena enligt följande:
- Ladda upp indatafilerna och programmen för att bearbeta dessa filer till ditt Azure Storage-konto.
- Skapa en Batch-pool av beräkningsnoder på ditt Batch-konto, ett jobb att köra arbetsbelastningen på poolen och aktiviteter i jobbet.
- Ladda ned indatafiler och programmen till Batch.
- Övervaka aktivitetskörning.
- Ladda upp aktivitetsutdata.
- Ladda ned utdatafiler.
För att förenkla den här processen kan du också använda Batch-plugin-program för Maya och 3ds Max
Komponenter
Azure Batch bygger på följande Azure-tekniker:
- Azure Virtual Networks används för både huvudnoden och beräkningsresurserna.
- Azure Storage-konton används för synkronisering och datakvarhållning.
- Skalningsuppsättningar för virtuella Azure-datorer används av CycleCloud för beräkningsresurser.
Alternativ
Om du behöver mer kontroll över din renderingsmiljö i Azure eller behöver en hybridimplementering kan CycleCloud-databehandling hjälpa dig att orkestrera ett IaaS-rutnät i molnet. Med samma underliggande Azure-teknik som Azure Batch gör det en effektiv process att skapa och underhålla ett IaaS-rutnät. Mer information finns i Vad är Azure CycleCloud?.
En fullständig översikt över alla HPC-lösningar som är tillgängliga för dig i Azure finns i artikeln HPC-, Batch- och Big Compute-lösningar med hjälp av virtuella Azure-datorer.
Information om scenario
Batch ger dig en konsekvent hanteringsupplevelse och jobbschemaläggning, oavsett om du väljer Windows Server- eller Linux-beräkningsnoder. Med Batch kan du använda dina befintliga Windows- eller Linux-program, inklusive AutoDesk Maya och Blender, för att köra storskaliga återgivningsjobb i Azure.
Potentiella användningsfall
Den här lösningen är idealisk för medie- och underhållningsindustrin. Andra relevanta användningsfall är:
- 3D-modellering
- Visual FX-återgivning (VFX)
- Videotranskodning
- Bildbearbetning, färgkorrigering och storleksändring
Att tänka på
Dessa överväganden implementerar grundpelarna i Azure Well-Architected Framework, som är en uppsättning vägledande grundsatser som kan användas för att förbättra kvaliteten på en arbetsbelastning. Mer information finns i Microsoft Azure Well-Architected Framework.
Datorstorlekar som är tillgängliga för Azure Batch
Även om de flesta återgivningskunder väljer resurser med hög PROCESSORKRAFT kan andra arbetsbelastningar som använder vm-skalningsuppsättningar välja virtuella datorer på olika sätt och beror på ett antal faktorer:
- Är programmet som körs minnesbundet?
- Behöver programmet använda GPU:er?
- Är jobbtyperna pinsamt parallella eller kräver infinibandanslutning för nära kopplade jobb?
- Kräv snabb I/O för att få åtkomst till lagring på beräkningsnoderna.
Azure har ett brett utbud av VM-storlekar som kan hantera var och en av ovanstående programkrav, vissa är specifika för HPC, men även de minsta storlekarna kan användas för att tillhandahålla en effektiv rutnätsimplementering:
- HPC VM-storlekar På grund av processorbunden återgivning föreslår Microsoft vanligtvis virtuella Datorer i Azure H-serien. Den här typen av virtuell dator är speciellt utformad för avancerade beräkningsbehov, de har 8 och 16 kärnor av vCPU-storlekar tillgängliga och har DDR4-minne, tillfällig SSD-lagring och Haswell E5 Intel-teknik.
- GPU VM-storlekar GPU-optimerade VM-storlekar är specialiserade virtuella datorer som är tillgängliga med en eller flera NVIDIA GPU:er. Dessa storlekar är utformade för beräkningsintensiva, grafikintensiva och visualiseringsarbetsbelastningar.
- Storlekar för NC, NCv2, NCv3 och ND är optimerade för beräkningsintensiva och nätverksintensiva program och algoritmer, inklusive CUDA- och OpenCL-baserade program och simuleringar, AI och djupinlärning. NV-storlekar är optimerade och utformade för fjärrvisualisering, strömning, spel, kodning och VDI-scenarier med ramverk som OpenGL och DirectX.
- Minnesoptimerade VM-storlekar När mer minne krävs erbjuder de minnesoptimerade VM-storlekarna ett högre förhållande mellan minne och CPU.
- Vm-storlekar för generell användning Storlekar på allmänna virtuella datorer är också tillgängliga och ger ett balanserat förhållande mellan processor och minne.
Tillgänglighet
Övervakning av Azure Batch-komponenterna är tillgänglig via en rad tjänster, verktyg och API:er. Övervakning beskrivs ytterligare i artikeln Övervaka Batch-lösningar .
Skalbarhet
Pooler i ett Azure Batch-konto kan antingen skalas genom manuella åtgärder eller skalas automatiskt med hjälp av en formel baserad på Azure Batch-mått. Mer information om skalbarhet finns i artikeln Skapa en automatisk skalningsformel för skalning av noder i en Batch-pool.
Säkerhet
Säkerhet ger garantier mot avsiktliga attacker och missbruk av dina värdefulla data och system. Mer information finns i Översikt över säkerhetspelare.
Allmän vägledning om hur du utformar säkra lösningar finns i Azure Security-dokumentationen.
Motståndskraft
Det finns för närvarande ingen redundansfunktion i Azure Batch, men vi rekommenderar att du använder följande steg för att säkerställa tillgänglighet om det uppstår ett oplanerat avbrott:
- Skapa ett Azure Batch-konto på en alternativ Azure-plats med ett alternativt lagringskonto
- Skapa samma nodpooler med samma namn, med noll noder allokerade
- Se till att program skapas och uppdateras till det alternativa lagringskontot
- Ladda upp indatafiler och skicka jobb till det alternativa Azure Batch-kontot
Kostnadsoptimering
Kostnadsoptimering handlar om att titta på sätt att minska onödiga utgifter och förbättra drifteffektiviteten. Mer information finns i Översikt över kostnadsoptimeringspelare.
Kostnaden för att använda Azure Batch beror på de VM-storlekar som används för poolerna och hur länge dessa virtuella datorer allokeras och körs, det finns ingen kostnad som är associerad med att skapa ett Azure Batch-konto. Lagring och utgående data bör beaktas eftersom dessa kommer att tillföra ytterligare kostnader.
Följande är exempel på kostnader som kan uppstå för ett jobb som slutförs på 8 timmar med ett annat antal servrar:
100 virtuella processordatorer med höga prestanda: Kostnadsuppskattning
100 x H16m (16 kärnor, 225 GB RAM-minne, Premium Storage 512 GB), 2 TB Blob Storage, 1 TB utgående
50 virtuella processordatorer med höga prestanda: Kostnadsuppskattning
50 x H16m (16 kärnor, 225 GB RAM-minne, Premium Storage 512 GB), 2 TB Blob Storage, 1 TB utgående
10 virtuella processordatorer med höga prestanda: Kostnadsuppskattning
10 x H16m (16 kärnor, 225 GB RAM-minne, Premium Storage 512 GB), 2 TB Blob Storage, 1 TB utgående
Priser för virtuella datorer med låg prioritet
Azure Batch stöder också användning av lågprioriterade virtuella datorer i nodpoolerna, vilket potentiellt kan ge en betydande kostnadsbesparingar. Mer information, inklusive en prisjämförelse mellan virtuella standarddatorer och lågprioriterade virtuella datorer, finns i Priser för Azure Batch.
Kommentar
Virtuella datorer med låg prioritet är endast lämpliga för vissa program och arbetsbelastningar.
Distribuera det här scenariot
Skapa ett Azure Batch-konto och pooler manuellt
Det här scenariot visar hur Azure Batch fungerar när du visar Azure Batch Labs som ett exempel på en SaaS-lösning som kan utvecklas för dina egna kunder:
Distribuera komponenterna
Mallen distribueras:
- Ett nytt Azure Batch-konto
- Ett lagringskonto
- En nodpool som är associerad med batchkontot
- Nodpoolen konfigureras för att använda virtuella A2 v2-datorer med Canonical Ubuntu-avbildningar
- Nodpoolen innehåller noll virtuella datorer från början och kräver att du manuellt skalar för att lägga till virtuella datorer
Klicka på länken nedan för att distribuera lösningen.
Läs mer om Resource Manager-mallar
Nästa steg
Produktdokumentation:
- Vad är Azure Batch?
- Vad är Azure Virtual Network?
- Azure Storage-konton
- Vad är VM-skalningsuppsättningar?
Learn-moduler: