Počet nasazených urychlovačů přímo ovlivňuje celkové náklady několika způsoby, především proto, že každý další akcelerátor vznikne pevné i variabilní výdaje související s hardwarem, spotřebou energie a provozní režií.
** 1. Náklady na hardware a nasazení:
Každé zařízení akcelerátoru má komerční nákupní náklady a nasazení více jednotek zvyšuje celkové kapitálové výdaje úměrně. Například v nasazení hardwarového akcelerátoru pro úkoly strojového učení jsou celkové náklady zhruba úměrné počtu nasazených zařízení, protože náklady zahrnují jak cenu každého zařízení, tak přidruženou spotřebu energie během cyklu nasazení [5] [7]. To znamená, že pokud zdvojnásobíte počet akcelerátorů, hardware stojí také zhruba zdvojnásobení.
** 2. Spotřeba energie a provozní náklady:
Více akcelerátorů konzumuje více energie, což zvyšuje pokračující provozní náklady. Spotřeba energie závisí na nečinném i aktivním využití, a když jsou nasazeny více urychlovačů, kumulativní náklady na energii mohou výrazně zvýšit celkové náklady na nasazení [5]. Efektivní akcelerátory, jako jsou FPGA nebo zabudované GPU, mohou snížit náklady na energii na zařízení, ale celkové náklady na energii se stále měří s počtem jednotek.
** 3. Náklady na šířku pásma a přenos dat:
Akcelerátory, zejména ty, které se používají pro přenosy dat (např. V oblasti výpočetních nebo okrajových prostředí), často používají značnou šířku pásma. Nasazení více urychlovačů může zvýšit spotřebu šířky pásma, což může vést k vyššímu přenosu dat účtovaných poskytovateli cloudu nebo kolokační služby [4]. Tyto náklady jsou proměnlivé a závisí na přesunu objemu dat a na modelu cen hostitelského prostředí.
** 4. Ekonomiky z rozsahu a konfigurace dopadu:
Zatímco samotný motor automatizace akcelerátoru nemusí přidávat náklady, celkové náklady na řešení do značné míry závisí na konfiguraci a měřítku nasazení. Různé konfigurace se mohou pohybovat od nízkonákladových nastavení (~ 30 $/měsíc) až po vysoce dostupná, multi-datovanová prostředí, která stojí tisíce dolarů za měsíc. Zvýšení počtu akcelerátorů, které uspokojí vyšší poptávku nebo zlepšení výkonnosti, obvykle posune náklady směrem k vyššímu konci tohoto spektra [3] [4].
** 5. Výkon vs. kompromisy s náklady:
Přidání dalších akcelerátorů může zlepšit výkon (nižší latence, vyšší propustnost), ale to přichází na úkor vyšších kapitálových a provozních nákladů. Výběr správného typu a počtu akcelerátorů zahrnuje vyvážení požadavků na výkon proti rozpočtovým omezením, s ohledem na faktory, jako je účinnost zařízení, složitost pracovního vytížení a doba trvání nasazení [5] [7].
Stručně řečeno, celkové náklady se zvyšují zhruba proporcionálně s počtem akcelerátorů nasazených v důsledku nákladů na nákup hardwaru, spotřebě energie a využití šířky pásma. Přesný dopad nákladů však závisí na konkrétním typu akcelerátoru, prostředí nasazení a charakteristice pracovního vytížení. Efektivní plánování a výběr akcelerátorů může optimalizovat nákladovou efektivitu při plnění cílů výkonnosti.
Citace:
[1] https://aws.amazon.com/global-accelerator/pricing/
[2] https://docs.aws.amazon.com/solutions/latest/modern-data-architecture-accelerator/cost.html
[3] https://aws-samples.github.io/aws-secure-environment-accelerator/latest/pricing/sample_pricing/
[4] https://cyfuture.cloud/kb/storage/are-there-pricing-considerations-for-using-an-Accelerator-er-Frafter-tata-Transfer-in-OBject-Storage
[5] https://www.usenix.org/system/files/hotedge20_paper_zhou-xingyu.pdf
[6] https://www.investopedia.com/terms/a/acceleratortheory.asp
[7] http://www.dre.vanderbilt.edu/~gokhale/www/papers/hotedge20_hwaccelreco.pdf
[8] https://www.phdata.io/blog/what-is-the-cost-to-deploy-and-maintain-amachine-learning-model/
[9] https://www.numberanalytics.com/blog/guide-to-accelerator-principle-econ
[10] https://www.economicsonline.co.uk/definitions/accelerator_effect.html/