英特爾® 至強® 可擴展處理器

使用英特爾® 至強® 可擴展處理器,您能夠推動具有可操作性的深入見解、信任基于硬件的安全性,並部署動態服務交付。支持混合雲基礎設施和要求最苛刻的應用,包括內存中分析、人工智能、無人駕駛、高性能計算 (HPC) 和網絡轉型。

發掘平台優勢 ›

英特爾® 至強® 鉑金處理器

  • 要求苛刻, 任務關鍵型人工智能, 分析, 混合雲工作負載
  • 最佳性能
  • 2 個、4 個以及 8 個以上的插槽的可擴展性

英特爾® 至強® 金牌處理器

  • 工作負載優化性能、先進的可靠性
  • 最高內存速度、容量和互聯性
  • 經過增強的 2-4 個插槽的擴展性

英特爾® 至強® 銀牌處理器

  • 性能出色,能效更高
  • 經過提升的內存速度
  • 調節計算、網絡和存儲範圍

英特爾® 至強® 銅牌處理器

  • 爲小企業和基本存儲提供經濟實惠的性能
  • 硬件增強的安全性
  • 可靠的雙插槽可擴展性

憑借雲計算投資,開拓更多業務

英特爾® 技術能爲您提供所需要的強大功能成本比。數據庫、高性能計算 (HPC) 和 Web 等關鍵的數據密集型工作負載,在基于英特爾® 架構的雲端能以更低的總體擁有成本獲得更高的性能。1 2 3 4 5

2.84 倍性能提升

包括 HammerDB PostgreSQL* 和 MongoDB*在內的數據庫工作負載,性能 /$ 提升高達 2.84 倍。1

了解更多

4.15 倍性能提升

高性能 LINPACK* 和 LAMMPS* 的性能 /$ 提升高達 4.15 倍。2

了解更多

1.74 倍性能提升

服務器端 Java 的性能 /$ 得到提升,且 WordPress PHP/HHVM 的性能 /$ 提升高達 1.74 倍。3

了解更多

2.25 倍性能提升

內存帶寬應用程序的性能 /$ 提升高達 2.25 倍。4

了解更多

英特爾以數據爲中心的産品組合

更快地移動

使用英特爾® 以太網更快地移動數據

使用英特爾® 以太網更快地移動數據並加速新服務和功能的交付。

詳細了解英特爾® 以太網 ›

存儲更多

劃時代創新

使用英特爾® 傲騰™ DC 技術優化、存儲和移動較大的、更複雜的數據集。這項革命性創新在各種産品和解決方案中均有提供,填補了存儲和內存層次結構中的重要差距,可交付持久內存、大內存池、快速高速緩存和快速存儲。

英特爾® 傲騰™ DC 持久內存 ›

英特爾® 傲騰™ DC 固態盤 ›

處理一切

性能可推動洞察

英特爾業界領先、經工作負載優化的平台具有內置 AI 加速功能,可提供無縫性能基礎,有助于加快數據的變革性影響,從多雲到智能邊緣和後台。

英特爾® 至強® 處理器 ›

英特爾® FPGA ›

英特爾® 至強® 可擴展平台:以數據爲中心的創新基礎

面向數字化轉型的開創性平台創新。

性能可推動洞察

第二代英特爾® 至強® 可擴展處理器提供業界領先、經工作負載優化的性能,具有內置 AI 加速功能,可提供無縫性能基礎,有助于加快數據的變革性影響,從多雲到智能邊緣和後台。

查看基准性能測試

利用硬件增強的安全性的業務恢複能力

精心設計的增強數據保護。英特爾硬件增強的安全性有助于抵禦惡意攻擊,同時保持工作負載的完整性和性能。加密效率可采用靜態、實時和動態方式提供可信數據服務交付。

面向數據中心的英特爾® 安全庫(英特爾® SecL - DC)

構建可信基礎設施

敏捷的服務交付

橫跨計算、網絡、存儲的平台創新和硬件增強的虛擬化,所有這些都支持新型內存創新,此類創新可促進經濟實惠、靈活、可擴展的多雲,以便以一致方式交付出色的企業對企業 (B2B) 和企業對消費者 (B2C) 體驗。

英特爾® 基礎設施管理技術

實現以數據爲中心的重要工作負載轉型

了解第二代智能英特爾® 至強® 可擴展處理器和英特爾業界領先的以數據爲中心的産品組合如何助您實現基礎設施現代化,以及跨 AI、分析、雲端和 HPC 加速數據洞察。

了解更多信息

使用英特爾® 精選解決方案加速價值實現

使用嚴格進行基准性能測試、經驗證且針對現實性能優化過的解決方案簡化數據中心部署。對于如今的重要工作負載,這些解決方案可加快英特爾® 至強® 處理器上的基礎設施部署。

了解更多信息

了解有關英特爾數據中心平台的更多信息

觀看視頻,了解英特爾數據中心産品組合如何解鎖數據中心從中心到邊緣和後面的優勢。

産品和性能信息

1

英特爾 Intel P2CA 使用截至 2019 年 1 月 12 日的 AWS 定價計算的結果(美元/小時,標准 1 年期限,無預付款)。
在 AWS* EC2 R5 和 R5a 實例 (https://aws.amazon.com/ec2/instance-types/) 上執行的性能成本比測試,其中將 96 vCPU 英特爾® 至強® 可擴展處理器性能成本比與 AMD EPYC* 處理器性能成本比相比較。

工作負載:HammerDB* PostgreSQL*
結果:AMD EPYC 性能成本比 = 基准 1;英特爾® 至強® 可擴展處理器性能成本比 = 1.85X(越高越好)
數據庫:HammerDB – PostgreSQL(越高越好):
AWS R5.24xlarge(英特爾)實例,HammerDB 3.0 PostgreSQL 10.2,內存:768GB,Hypervisor:KVM;存儲類型:EBS io1,磁盤卷 200GB,總存儲 200GB,Docker 版本:18.06.1-ce,RedHat* Enterprise Linux 7.6,3.10.0-957.el7.x86_64,6400MB shared_buffer,256 個倉庫,96 個用戶。分數“NOPM”439931,由英特爾于 2018 年 12 月 11 日-2018 年 12 月 14 日測量。
AWS R5a.24xlarge (AMD) 實例,HammerDB 3.0 PostgreSQL 10.2,內存:768GB,Hypervisor:KVM;存儲類型:EBS io1,磁盤卷 200GB,總存儲 200GB,Docker 版本:18.06.1-ce,RedHat* Enterprise Linux 7.6,3.10.0-957.el7.x86_64,6400MB shared_buffer,256 個倉庫,96 個用戶。分數“NOPM”212903,由英特爾于 2018 年 12 月 20 日測量。

工作負載:MongoDB*
結果:AMD EPYC 性能成本比 = 基准 1;英特爾® 至強® 可擴展處理器性能成本比 = 2.84X(越高越好)
數據庫:MongoDB(越高越好):
AWS R5.24xlarge(英特爾)實例,MongoDB v4.0,日志已禁用,同步到文件系統已禁用,wiredTigeCache=27GB,maxPoolSize = 256;7 個 MongoDB 實例,14 個客戶端虛擬機,每個虛擬機 1 個 YCSB 客戶端,每個 YCSB 客戶端 96 個線程,RedHat* Enterprise Linux 7.5,內核 3.10.0-862.el7.x86_64,分數 1229288 次操作/秒,由英特爾于 2018 年 12 月 10 日測量。
AWS R5a.24xlarge (AMD) 實例,MongoDB v4.0,日志已禁用,同步到文件系統已禁用,wiredTigeCache=27GB,maxPoolSize = 256;7 個 MongoDB 實例,14 個客戶端虛擬機,每個虛擬機 1 個 YCSB 客戶端,每個 YCSB 客戶端 96 個線程,RedHat* Enterprise Linux 7.5,內核 3.10.0-862.el7.x86_64,分數 388596 次操作/秒,由英特爾于 2018 年 12 月 10 日測量。
有關更多詳細信息,請訪問 www.webdario.com/benchmarks

2

英特爾 Intel P2CA 使用截至 2019 年 1 月 12 日的 AWS 定價計算的結果(美元/小時,標准 1 年期限,無預付款)。
在 AWS* EC2 M5 和 M5a 實例 (https://aws.amazon.com/ec2/instance-types/) 上執行的性能成本比測試,其中將 96 vCPU 英特爾® 至強® 可擴展處理器性能成本比與 AMD EPYC* 處理器性能成本比相比較。

工作負載:LAMMPS*
結果:AMD EPYC 性能成本比 = 基准 1;英特爾® 至強® 可擴展處理器性能成本比 = 4.15X(越高越好)
HPC 材料科學 – LAMMPS(越高越好):
AWS M5.24xlarge(英特爾)實例,LAMMPS 版本:2018-08-22(代碼:https://lammps.sandia.gov/download.html),工作負載:水 – 512K 個粒子,英特爾 ICC 18.0.3.20180410,英特爾® MPI 庫 Linux* OS 版,版本 2018 更新 3 內部版本 20180411,48 個 MPI 級別,RedHat* Enterprise Linux 7.5,內核 3.10.0-862.el7.x86_64,OMP_NUM_THREADS=2,分數 137.5 個時間步長/秒,由英特爾于 2018 年 10 月 31 日測量。
AWS M5a.24xlarge (AMD) 實例,LAMMPS 版本:2018-08-22(代碼:https://lammps.sandia.gov/download.html),工作負載:水 – 512K 個粒子,英特爾 ICC 18.0.3.20180410,英特爾® MPI 庫 Linux* OS 版,版本 2018 更新 3 內部版本 20180411,48 個 MPI 級別,RedHat* Enterprise Linux 7.5,內核 3.10.0-862.el7.x86_64,OMP_NUM_THREADS=2,分數 55.8 個時間步長/秒,由英特爾于 2018 年 11 月 7 日測量。
將 AMD 更改爲支持 AVX2(AMD 僅支持 AVX2,因此這些更改很有必要):
sed -i 's/-xHost/-xCORE-AVX2/g' Makefile.intel_cpu_intelmpi
sed -i 's/-qopt-zmm-usage=high/-xCORE-AVX2/g' Makefile.intel_cpu_intelmpi

工作負載:高性能 Linpack*
結果:AMD EPYC 性能成本比 = 基准 1;英特爾® 至強® 可擴展處理器性能成本比 = 4.15X(越高越好)
HPC Linpack(越高越好):
AWS M5.24xlarge(英特爾)實例,HP Linpack 版本 2.2 (https://software.intel.com/zh-cn/articles/intel-mkl-benchmarks-suite 目錄,英特爾 ICC 18.0.3.20180410(帶 AVX512),英特爾® MPI 庫 Linux* OS 版,版本 2018 更新 3 內部版本 20180411,RedHat* Enterprise Linux 7.5,內核 3.10.0-862.el7.x86_64,OMP_NUM_THREADS=24,2 個 MPI 進程,分數 3152 GB/s,由英特爾于 2018 年 10 月 31 日測量。
AWS M5a.24xlarge (AMD) 實例,HP Linpack 版本 2.2,(HPL 來源:http://www.netlib.org/benchmark/hpl/hpl-2.2.tar.gz,版本 2.2;icc (ICC) 18.0.2 20180210,用于編譯和鏈接到 BLIS 庫版本 0.4.0;https://github.com/flame/blis;Addt’l 編譯器標志:-O3 -funroll-loops -W -Wall –qopenmp;make arch=zen OMP_NUM_THREADS=8;6 個 MPI 進程), 英特爾 ICC 18.0.3.20180410(帶 AVX2),英特爾® MPI 庫 Linux* OS 版,版本 2018 更新 3 內部版本 20180411,RedHat* Enterprise Linux 7.5,內核 3.10.0-862.el7.x86_64,OMP_NUM_THREADS=8,6 個 MPI 進程,分數 677.7 GB/s,由英特爾于 2018 年 11 月 7 日測量。

3

英特爾 Intel P2CA 使用截至 2019 年 1 月 12 日的 AWS 定價計算的結果(美元/小時,標准 1 年期限,無預付款)。
在 AWS* EC2 M5 和 M5a 實例 (https://aws.amazon.com/ec2/instance-types/) 上執行的性能成本比測試,其中將 96 vCPU 英特爾® 至強® 可擴展處理器性能成本比與 AMD EPYC* 處理器性能成本比相比較。

工作負載:服務器端 Java* 1 JVM
結果:AMD EPYC 性能成本比 = 基准 1;英特爾® 至強® 可擴展處理器性能成本比 = 1.74X(越高越好)
服務器端 Java(越高越好):
AWS M5.24xlarge(英特爾)實例,Java 服務器基准性能測試編號 NUMA 綁定,2JVM,OpenJDK 10.0.1,RedHat* Enterprise Linux 7.5,內核 3.10.0-862.el7.x86_64,分數 101767 次事務處理/秒,由英特爾于 2018 年 11 月 16 日測量。
AWS M5a.24xlarge (AMD) 實例,Java 服務器基准性能測試編號 NUMA 綁定,2JVM,OpenJDK 10.0.1,RedHat* Enterprise Linux 7.5,內核 3.10.0-862.el7.x86_64,分數 52068 次事務處理/秒,由英特爾于 2018 年 11 月 16 日測量。

工作負載:Wordpress* PHP/HHVM*
結果:AMD EPYC 性能成本比 = 基准 1;英特爾® 至強® 可擴展處理器性能成本比 = 1.75X(越高越好)
Web 前端 Wordpress(越高越好):
AWS M5.24xlarge(英特爾)實例,oss-performance/wordpress 4.2.0 版;Ver 10.2.19-MariaDB-1:10.2.19+maria~bionic;工作負載版本:u'4.2.0;客戶端線程數:200;PHP 7.2.12-1;perfkitbenchmarker_version="v1.12.0-944-g82392cc;Ubuntu 18.04,內核 Linux 4.15.0-1025-aws,分數 3626.11 TPS,由英特爾于 2018 年 11 月 16 日測量。
AWS M5a.24xlarge (AMD) 實例,oss-performance/wordpress 4.2.0 版;Ver 10.2.19-MariaDB-1:10.2.19+maria~bionic;工作負載版本:u'4.2.0;客戶端線程數:200;PHP 7.2.12-1;perfkitbenchmarker_version="v1.12.0-944-g82392cc;Ubuntu 18.04,內核 Linux 4.15.0-1025-aws,分數 1838.48 TPS,由英特爾于 2018 年 11 月 16 日測量。
有關更多詳細信息,請訪問 www.webdario.com/benchmarks

4

AWS M5.4xlarge(英特爾)實例,McCalpin Stream(OMP 版本),(來源:https://www.cs.virginia.edu/stream/FTP/Code/stream.c);英特爾于 12/6/18 評測英特爾 ICC 18.0.3 20180410 的參數如下:AVX512、-qopt-zmm-usage=high、-DSTREAM_ARRAY_SIZE=134217728 -DNTIMES=100 -DOFFSET=0 –qopenmp、-qoptstreaming-stores always -o $OUT stream.c、Red Hat* Enterprise Linux 7.5、Kernel 3.10.0-862.el7.x86_64、OMP_NUM_THREADS: 8、KMP_AFFINITY: proclist=[0-7:1]、granularity=thread、顯式、分數 81216.7 MB/s。
AWS M5a.4xlarge (AMD) 實例,McCalpin Stream(OMP 版本),(來源:https://www.cs.virginia.edu/stream/FTP/Code/stream.c);英特爾于 12/6/18 評測英特爾 ICC 18.0.3 20180410 的參數如下:AVX2、-qopt-zmm-usage=high、-DSTREAM_ARRAY_SIZE=100 -DNTIMES=0 -DOFFSET=0 –qopenmp、-qoptstreaming-stores always -o $OUT stream.c、Red Hat* Enterprise Linux 7.5、Kernel 3.10.0-862.el7.x86_64、OMP_NUM_THREADS: 8、KMP_AFFINITY: proclist=[0-7:1]、granularity=thread、顯式、分數 32154.4 MB/s。
OpenFOAM 免責聲明:OpenCFD Limited、OpenFOAM 軟件生産商和分銷商(通過 www.openfoam.com),以及 OpenFOAM* 和 OpenCFD* 的商標所有者並未批准或認可使用本産品。
自 2019 年 1 月 12 日起實施的 AWS 定價:標准 1 年期預留實例定價 (https://aws.amazon.com/ec2/pricing/reserved-instances/pricing/) 和根據使用 Linux/Unix 系統以小時爲單位按需定價 (https://aws.amazon.com/ec2/pricing/on-demand/).

5

在英特爾® 至強® 鉑金 9282 處理器和英特爾® Deep Learning Boost(英特爾® DL Boost)上推斷吞吐量高達 30 倍:由英特爾測試,截至 2019 年 2 月 26 日。平台:Dragon rock 2 插槽英特爾® 至強® 鉑金 9282(每個插槽 56 個內核),HT 開啓,睿頻開啓,總內存 768 GB(24 個插槽/32GB/2933 MHz),BIOS:SE5C620.86B.0D.01.0241.112020180249,CentOS 7 內核 3.10.0-957.5.1.el7.x86_64,深度學習框架:英特爾® Optimization for Caffe* 版本:https://github.com/intel/caffe d554cbf1,ICC 2019.2.187,MKL DNN 版本:v0.17 (commit hash: 830a10059a018cd2634d94195140cf2d8790a75a),模型,BS=64,無數據層綜合數據:3x224x224,56 實例/2 插槽,數據類型:INT8 對比截至 2017 年 7 月 11 日英特爾進行的測試:2 個英特爾® 至強® 鉑金 8180 處理器 CPU @ 2.50GHz(28 個內核),HT 已禁用,睿頻已禁用,通過 intel_pstate 驅動程序將擴展調節器設置爲“性能”,384GB DDR4-2666 ECC RAM。CentOS Linux* 版本 7.3.1611 (Core),Linux 內核 3.10.0-514.10.2.el7.x86_64。固態盤:英特爾® 數據中心級固態盤 S3700 系列(800GB,2.5 英寸 SATA 6Gb/秒,25 納米,MLC)。性能評測標准基于:環境變量:KMP_AFFINITY='granularity=fine, compact‘,OMP_NUM_THREADS=56,CPU 頻率設置爲 CPU Power frequency-set -d 2.5G -u 3.8G -g performance Caffe:(http://github.com/intel/caffe/),修訂版 f96b759f71b2281835f690af267158b82b150b5c。推斷評測標准基于“caffe time --forward_only”命令,訓練評測標准基于“caffe time”指令。對于“ConvNet”拓撲,使用合成數據集。對于其他拓撲,數據在本地存儲,並且在訓練之前在內存中緩存。拓撲規格來源于 https://github.com/intel/caffe/tree/master/models/intel_optimized_models (ResNet-50)。英特爾® C++ 編譯器版本 17.0.2 20170213,英特爾® 數學核心函數庫(英特爾® MKL)小型庫版本 2018.0.20170425。使用“numactl -l”運行 Caffe。