Antallet af acceleratorer, der implementeres direkte, påvirker de samlede omkostninger på flere måder, primært fordi hver ekstra accelerator pådrager sig både faste og variable udgifter relateret til hardware, strømforbrug og operationel overhead.
** 1. Hardware- og implementeringsomkostninger:
Hver acceleratorenhed har en kommerciel købsomkostning, og implementering af flere enheder øger de samlede kapitaludgifter forholdsmæssigt. I hardwareacceleratorinstallationer til maskinlæringsopgaver er de samlede omkostninger for eksempel stort set proportional med antallet af implementerede enheder, da omkostningerne inkluderer både prisen på hver enhed og det tilhørende strømforbrug i forhold til installationscyklussen [5] [7]. Dette betyder, at hvis du fordobler antallet af acceleratorer, koster hardware sig også omtrent.
** 2. Strømforbrug og driftsomkostninger:
Flere acceleratorer forbruger mere strøm, hvilket tilføjer de igangværende driftsomkostninger. Strømforbruget afhænger af både inaktiv og aktiv brug, og når flere acceleratorer implementeres, kan de kumulative strømomkostninger markant øge de samlede implementeringsomkostninger [5]. Effektive acceleratorer som FPGA'er eller indlejrede GPU'er kan reducere omkostningerne pr. Device-strøm, men de samlede strømomkostninger skalerer stadig med antallet af enheder.
** 3. Omkostninger til båndbredde og dataoverførsel:
Acceleratorer, især dem, der bruges til at fremskynde dataoverførsler (f.eks. I sky- eller kantberegningsmiljøer), bruger ofte betydelig båndbredde. Implementering af flere acceleratorer kan øge forbruget af båndbredde, hvilket kan føre til højere dataoverførselsgebyrer, der opkræves af skyudbydere eller colocation -tjenester [4]. Disse omkostninger er varierende og afhænger af datavolumen flyttet og hostingmiljøets prismodel.
** 4. Økonomier af skala og konfiguration påvirkning:
Mens selve acceleratorautomatiseringsmotoren muligvis ikke tilføjer omkostninger, afhænger den samlede løsningsomkostning stærkt af implementeringskonfigurationen og skalaen. Forskellige konfigurationer kan variere fra lave omkostningsopsætninger (~ $ 30/måned) til meget tilgængelige, multi-datacenter-miljøer, der koster tusinder af dollars pr. Måned. Forøgelse af antallet af acceleratorer for at imødekomme højere efterspørgsel eller forbedre ydelsen skifter typisk omkostningerne mod den højere ende af dette spektrum [3] [4].
** 5. Performance vs. omkostningsudvalg:
Tilføjelse af flere acceleratorer kan forbedre ydelsen (lavere latenstid, højere gennemstrømning), men dette kommer på bekostning af højere kapital- og driftsomkostninger. Valg af den rigtige type og antallet af acceleratorer involverer afbalancering af ydelseskrav mod budgetbegrænsninger, i betragtning af faktorer som enhedseffektivitet, arbejdsbelastningskompleksitet og implementeringsvarighed [5] [7].
Sammenfattende øges de samlede omkostninger omtrent proportionalt med antallet af acceleratorer, der er implementeret på grund af omkostningerne til køb af hardware, strømforbrug og brug af båndbredde. Imidlertid afhænger den nøjagtige omkostningspåvirkning af den specifikke acceleratortype, implementeringsmiljø og arbejdsbelastningskarakteristika. Effektiv planlægning og udvælgelse af acceleratorer kan optimere omkostningseffektivitet, mens de opfylder præstationsmål.
Citater:
[1] https://aws.amazon.com/global-accelerator/pricing/
[2] https://docs.aws.amazon.com/solutions/latest/modern-data-architecture-accelerator/cost.html
)
[4] https://cyfuture.cloud/kb/storage/are-there-pricing-considerations-for-usising-an-accelerator-service-for-hurtig-data-transfer-in-object-lager
[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
)
[9] https://www.numberanalytics.com/blog/guide-to-accelerator-principle-econ
[10] https://www.economicsonline.co.uk/definitions/accelerator_effect.html/