Počet nasadených urýchľovačov priamo ovplyvňuje celkové náklady niekoľkými spôsobmi, predovšetkým preto, že každý ďalší urýchľovač vznikne tak pevné aj variabilné výdavky týkajúce sa hardvéru, spotreby energie a prevádzkových režijných nákladov.
** 1. Náklady na hardvér a nasadenie:
Každé akcelerátorové zariadenie má komerčné náklady na nákup a nasadenie väčšieho množstva jednotiek zvyšuje úmerne celkové kapitálové výdavky. Napríklad v nasadení hardvérových urýchľovačov pre úlohy strojového učenia sú celkové náklady zhruba úmerné počtu nasadených zariadení, pretože náklady zahŕňajú cenu každého zariadenia a súvisiacu spotrebu energie počas cyklu nasadenia [5] [7]. To znamená, že ak zdvojnásobíte počet akcelerátorov, hardvér stojí zhruba zdvojnásobenie.
** 2. Spotreba energie a prevádzkové náklady:
Viac urýchľovačov spotrebuje viac energie, čo zvyšuje prebiehajúce prevádzkové náklady. Spotreba energie závisí od voľnobežného aj aktívneho využitia a keď sa nasadí viacero urýchľovačov, kumulatívne náklady na energiu môžu výrazne zvýšiť celkové náklady na nasadenie [5]. Efektívne urýchľovače, ako sú FPGAS alebo vložené GPU, môžu znížiť náklady na energiu na zariadenia, ale celkové náklady na výkon sa stále stupňujú s počtom jednotiek.
** 3. Náklady na šírku pásma a prenos údajov:
Arcelerátory, najmä tie, ktoré sa používajú na zrýchlenie prenosov údajov (napr. V prostrediach výpočtových alebo okrajových výpočtov), často používajú významnú šírku pásma. Nasadenie viacerých urýchľovačov môže zvýšiť spotrebu šírky pásma, čo môže viesť k vyšším poplatkom za prenos údajov účtovaných poskytovateľmi cloudu alebo službami kolokácie [4]. Tieto náklady sú variabilné a závisia od posunutia objemu údajov a od modelu cien hostingového prostredia.
** 4. Ekonomory z rozsahu a vplyvu na konfiguráciu:
Aj keď samotný motor automatizácie akcelerátora nemusí pridať náklady, celkové náklady na riešenie do značnej miery závisia od konfigurácie a rozsahu nasadenia. Rôzne konfigurácie sa môžu pohybovať od nízkonákladových nastavení (~ 30/mesiac) po vysoko dostupné, viac dataccentrové prostredia, ktoré stoja tisíce dolárov mesačne. Zvýšenie počtu urýchľovačov tak, aby uspokojili vyšší dopyt alebo zlepšili výkonnosť, zvyčajne posúva náklady na vyšší koniec tohto spektra [3] [4].
** 5. Výkon vs. kompromisy nákladov:
Pridanie ďalších urýchľovačov môže zlepšiť výkon (nižšia latencia, vyššia priepustnosť), ale to je na úkor vyšších kapitálových a prevádzkových nákladov. Výber správneho typu a počtu urýchľovačov zahŕňa vyváženie výkonnostných požiadaviek proti rozpočtovým obmedzeniam, pričom sa berie do úvahy faktory, ako je efektívnosť zariadenia, zložitosť pracovného zaťaženia a trvanie nasadenia [5] [7].
Stručne povedané, celkové náklady sa zvyšujú zhruba úmerne s počtom urýchľovačov nasadených v dôsledku nákladov na nákup hardvéru, spotreby energie a využitia šírky pásma. Presný vplyv nákladov však závisí od konkrétneho typu urýchľovača, prostredia nasadenia a charakteristík pracovnej záťaže. Efektívne plánovanie a výber urýchľovačov môže optimalizovať nákladovú efektívnosť pri plnení výkonnostných cieľov.
Citácie:
[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-service-for-for-forfaster-transfer-transfer-in-object-Storage
[5] https://www.usenix.org/system/files/hotege20_paper_zhou-xingyu.pdf
[6] https://www.investopedia.com/terms/a/acceleratortheory.asp
[7] http://www.dre.vanderbilt.edu/~gokhale/www/papers/hotege20_hwaccelreco.pdf
[8] https://www.phdata.io/blog/what-is-the-cost-to-deploy-and-maintain-a-machine-learning-model/
[9] https://www.Numbernanalytics.com/blog/guide-to-accelerator-principle-econ
[10] https://www.economicsonline.co.uk/definitions/accelerator_effect.html/