博客
关于我
128核云原生新力作:Ampere® Altra® Max性能参数公布,提升50%!
阅读量:339 次
发布时间:2019-03-04

本文共 786 字,大约阅读时间需要 2 分钟。

安晟培半导体科技有限公司(Ampere Computing)近日发布了云原生服务器处理器Ampere® Altra® Max的基准测试数据。这款处理器继去年3月发布的80核Altra处理器后,进一步提升内核数量至行业领先的128核,专为云原生架构打造,展现出更高的性能和扩展性。

在加密性能方面,实验室测试结果显示,Ampere Altra Max在执行AES-256-gcm加密任务时,可加密的数据块比Ampere Altra多出57%,密钥大小范围从16字节扩展至16K字节。加密是云工作负载中的核心任务之一,而高级加密标准(AES)作为快速安全的对称分组密码,在业界和政府部门已广泛应用。

在媒体编码方面,测试表明,Ampere Altra Max每秒编码帧数比Ampere Altra高出55%。此前已知,Ampere Altra的媒体编码性能领先于现有x86处理器,而Altra Max的表现更是超越了这一水平。

对于NGINX Web服务器,搭载Ampere Altra Max可实现p.99延迟SLA为10ms,吞吐量比搭载Ampere Altra高出51%。NGINX作为高性能轻量级Web服务器,兼具反向代理、负载均衡、邮件代理和HTTP缓存功能,其性能指标通常以p.99延迟和吞吐量为衡量标准。

总体而言,Ampere Altra Max不仅在内核数上实现了大幅提升(60%的内核数提升),还将其可扩展性转化为实际性能提升超50%。Ampere持续推进产品创新,每年带来突破性性能增长,新品能在现代工作负载中表现优异,帮助用户实现更高收益。

Ampere应用工程高级总监Naren Nayak指出:"我们承诺保持快速且可预测的产品发布节奏,这是云服务提供商保持可持续快速增长的关键。Ampere Altra Max作为重大飞跃,预计几个月内投入生产。"

转载地址:http://ckae.baihongyu.com/

你可能感兴趣的文章
OpenCV与AI深度学习 | 实战 | 基于YOLOv9+SAM实现动态目标检测和分割(步骤 + 代码)
查看>>
OpenCV与AI深度学习 | 实战 | 基于YOLOv9和OpenCV实现车辆跟踪计数(步骤 + 源码)
查看>>
OpenCV与AI深度学习 | 实战 | 文本图片去水印--同时保持文本原始色彩(附源码)
查看>>
OpenCV与AI深度学习 | 实战—使用YOLOv8图像分割实现路面坑洞检测(步骤 + 代码)
查看>>
OpenCV与AI深度学习 | 实战篇——基于YOLOv8和OpenCV实现车速检测(详细步骤 + 代码)
查看>>
OpenCV与AI深度学习 | 实战|OpenCV实时弯道检测(详细步骤+源码)
查看>>
OpenCV与AI深度学习 | 实践教程|旋转目标检测模型-TensorRT 部署(C++)
查看>>
OpenCV与AI深度学习 | 工业缺陷检测中数据标注需要注意的几个事项
查看>>
OpenCV与AI深度学习 | 干货 | 深度学习模型训练和部署的基本步骤
查看>>
OpenCV与AI深度学习 | 手把手教你用Python和OpenCV搭建一个半自动标注工具(详细步骤 + 源码)
查看>>
OpenCV与AI深度学习 | 水下检测+扩散模型:或成明年CVPR最大惊喜!
查看>>
OpenCV与AI深度学习 | 深度学习检测小目标常用方法
查看>>
OpenCV与AI深度学习 | 超越YOLOv10/11、RT-DETRv2/3!中科大D-FINE重新定义边界框回归任务
查看>>
OpenCV与AI深度学习 | 高效开源的OCR工具:Surya-OCR介绍与使用
查看>>
OpenCV与AI深度学习|16个含源码和数据集的计算机视觉实战项目(建议收藏!)
查看>>
Opencv中KNN背景分割器
查看>>
OpenCV中基于已知相机方向的透视变形
查看>>
OpenCV中的监督学习
查看>>
opencv中读写视频
查看>>
OpenCV中遇到Microsoft C++ 异常 cv::Exception
查看>>