Amazon เปิดตัวอินสแตนซ์ R9g และ R9gd ที่ขับเคลื่อนด้วย Graviton5 สำหรับเวิร์กโหลดด้านข้อมูล

Amazon กำลังนำโปรเซสเซอร์ AWS Graviton5 รุ่นใหม่มาสู่เวิร์กโหลดที่หลากหลายยิ่งขึ้นด้วยการเปิดตัวอินสแตนซ์ R9g และ R9gd ที่ถูกปรับแต่งมาในด้านหน่วยความจำโดยเฉพาะ ซึ่งพร้อมให้ใช้งานแล้วในหลายภูมิภาคคลาวด์

Credit: AWS

ข้อมูลดังกล่าวถูกเปิดเผยผ่านบล็อกโพสต์โดย Daniel Abib ผู้สนับสนุนนักพัฒนาอาวุโสของ AWS ซึ่งอธิบายว่าอินสแตนซ์เหล่านี้ถูกออกแบบมาเพื่อรองรับแอปพลิเคชันที่เน้นการประมวลผลข้อมูลปริมาณมาก เช่น ฐานข้อมูลแบบ In-memory อย่าง Redis OSS, Memcached และ Valkey นอกจากนี้ยังรวมถึงเอนจินการวิเคราะห์ Big Data และบริการเว็บที่มีปริมาณการรับส่งข้อมูลสูง รวมถึงไมโครเซอร์วิสแบบคอนเทนเนอร์ที่รันบน Kubernetes และ Amazon EKS

อินสแตนซ์ R9g และ R9gd ขับเคลื่อนด้วยหน่วยประมวลผลกลาง Graviton5 รุ่นถัดไปของบริษัท ซึ่งถูกประกาศเปิดตัวครั้งแรกในงานประชุมประจำปี AWS re:Invent เมื่อเดือนธันวาคมที่ผ่านมา โดยเราได้เห็นการเปิดตัว CPU นี้ไปแล้วในอินสแตนซ์เอนกประสงค์ M9g และ M9gd ของ AWS ตามมาด้วยอินสแตนซ์ C9g และ C9gd ที่เน้นการคำนวณปริมาณมากซึ่งเปิดตัวในเดือนมิถุนายน เช่นเดียวกับรุ่นก่อนหน้า Graviton5 ได้นำการอัปเกรดสถาปัตยกรรมที่สำคัญเข้ามาด้วย

Abib กล่าวว่า Graviton5 มอบประสิทธิภาพการประมวลผลที่ดีขึ้นสูงสุดถึง 25% รวมถึงการรันแอปพลิเคชันเว็บและการทำอินเฟอเรนซ์ของแมชชีนเลิร์นนิงที่เร็วขึ้น 35% และการประมวลผลฐานข้อมูลที่เร็วขึ้น 30% ชิปเหล่านี้จับคู่กับโมดูลหน่วยความจำ DDR5 8800 ซึ่งรองรับอัตราการถ่ายโอนข้อมูล 8,800 เมกะทรานสเฟอร์ต่อวินาที เพิ่มขึ้นจาก 5,600 เมกะทรานสเฟอร์ต่อวินาทีใน Graviton4 นอกจากนี้ยังมีแคช L3 ที่ใหญ่ขึ้นถึง 5 เท่า และประสิทธิภาพการประมวลผลแพ็กเก็ตที่สูงกว่า Graviton4 ถึง 3 เท่า ซึ่งช่วยลดระยะเวลาที่เวิร์กโหลดต้องหยุดรอข้อมูลที่จำเป็นลงอย่างมาก

Abib ระบุว่าอินสแตนซ์ R9g และ R9gd มีให้เลือกใช้งานใน 11 ขนาด โดยขยายจากขนาดกลางไปจนถึงการกำหนดค่าแบบ metal-48xl ที่ขับเคลื่อนด้วย 192 CPU เสมือนและหน่วยความจำ 1,536 กิบิไบต์ ในระดับสูงสุด อินสแตนซ์เหล่านี้ให้แบนด์วิธเครือข่ายสูงสุดถึง 100 กิกะไบต์ต่อวินาที และแบนด์วิธ Amazon Elastic Block Store 72 กิกะบิตต่อวินาที ซึ่งมากกว่าอินสแตนซ์รุ่นก่อนหน้าถึง 2 เท่า ตามที่ Abib กล่าวไว้ อินสแตนซ์ดังกล่าวยังรองรับคุณสมบัติ Instance Bandwidth Configuration ซึ่งช่วยให้ผู้ใช้มีความยืดหยุ่นในการจัดสรรแบนด์วิธใหม่ได้สูงสุดถึง 25% ระหว่าง EBS และเครือข่ายคลาวด์ส่วนตัวเสมือน เพื่อให้สามารถตอบสนองความต้องการด้านปริมาณงานของฐานข้อมูลหรือการแคชได้ดียิ่งขึ้น

ความแตกต่างหลักระหว่างอินสแตนซ์ทั้งสองคือ R9g จะอาศัยเฉพาะ EBS ที่เชื่อมต่ออยู่เท่านั้น ในขณะที่ R9gd รองรับที่เก็บข้อมูล NVMe SSD แบบโลคัลความหนาแน่นสูงที่ความจุสูงสุด 11.4 เทราไบต์ในขนาด 48xlarge ที่ใหญ่ที่สุด ด้วยการใช้ที่เก็บข้อมูลแบบโลคัล ทำให้อินสแตนซ์ R9gd สามารถใช้ประโยชน์จากประสิทธิภาพความหน่วงต่ำมากเพื่อรองรับแคชชั่วคราว ดิสก์พักข้อมูล และเวิร์กโหลดการวิเคราะห์แบบกระจายศูนย์

คุณสมบัติหลักอีกประการหนึ่งคือ AWS Nitro System ซึ่งรวมเอา Nitro Isolation Engine ที่เปิดตัวครั้งแรกพร้อมกับกลุ่มอินสแตนซ์ M9g และ C9g เข้าไว้ด้วยกัน โดย NIE จะช่วยลดภาระงานต่าง ๆ เช่น เวอร์ชวลไลเซชัน การจัดเก็บข้อมูล และเครือข่าย ไปยังฮาร์ดแวร์เฉพาะ เพื่อให้ได้ประสิทธิภาพเสมือนการใช้งานบน Bare Metal ในขณะที่ยังคงรักษาความมั่นคงปลอดภัยในการแยกเวิร์กโหลดอย่างเข้มงวด

Abib กล่าวว่าอินสแตนซ์ใหม่เหล่านี้เปิดให้ใช้งานแล้วตั้งแต่วันนี้ในหลายภูมิภาคของ AWS รวมถึงสหรัฐฯ ตะวันออก (รัฐเวอร์จิเนียเหนือ, รัฐโอไฮโอ), สหรัฐฯ ตะวันตก (รัฐออริกอน) และยุโรป (เมืองแฟรงก์เฟิร์ต) พร้อมตัวเลือกการคิดราคาแบบ On-Demand, Savings Plans, Spot Instances, Dedicated Instances และ Dedicated Host

ที่มา: https://siliconangle.com/2026/08/31/aws-targets-data-intensive-workloads-with-graviton5-powered-r9g-and-r9gd-instances/

About นักเขียนฝึกหัดหมายเลขเก้า

Check Also

Kaspersky เปิดตัว AI Protect ในเอเชียแปซิฟิก ปกป้ององค์กรจากภัยคุกคามรูปแบบใหม่ที่ขับเคลื่อนด้วย AI [PR]

แคสเปอร์สกี้ประกาศเปิดตัว Kaspersky AI Protect (KAIP) อย่างเป็นทางการทั่วภูมิภาคเอเชียแปซิฟิก โดยนำเสนอโซลูชันที่พัฒนาขึ้นโดยเฉพาะเพื่อปกป้องโครงสร้างพื้นฐานด้าน AI ขององค์กรจากภัยคุกคามยุคใหม่ ซึ่งครอบคลุมตั้งแต่ไฟล์โมเดลภาษาขนาดใหญ่ (LLM) ที่ถูกปนเปื้อนด้วยข้อมูลอันตรายและ AI Agent ที่มุ่งร้าย …

สร้างโครงสร้างพื้นฐานสำหรับโลก AI ที่ไม่หยุดนิ่ง [PR]

ไม่มีใครในอุตสาหกรรมนี้ตอบได้ว่า AI จะมีหน้าตาเป็นอย่างไรในอีก 5 ปีข้างหน้า  ไม่มีใครรู้ว่าสถาปัตยกรรมโมเดลใดจะก้าวขึ้นมาเป็นผู้นำ ไม่มีใครรู้ว่าสัดส่วนระหว่างการเทรนและการอนุมาน (Inference) จะไปหยุดอยู่ที่จุดใด และไม่มีใครรู้ว่า AI จะทำงานอยู่ในดาต้าเซ็นเตอร์ของคุณ ในดาต้าเซ็นเตอร์ของคนอื่น หรือบนแล็ปท็อป (หรือแม้แต่อุปกรณ์ที่เล็กกว่านั้น) …