虚拟内存有什么用？
虚拟内存有什么用？
在内存管理机制的作用下，操作系统可以只将当前所运行程序中真正需要的内容保留在物理内存中，暂时不需要的内容可通过“分页”操作保存在硬盘上的页面文件中，借此物理内存中可以保留更多进程，进而提高了内存的利用率，同时可以让更多进程能够同时运行，这在多任务处理场合中非常有用。
此外，通过以按需的方式将内容“分页”到硬盘，或从分页文件读入内存，可以让计算机“获得”比所安装物理内存总数更多的内存，进而让计算机可以更高效地运行某些大规模程序。
无论个人电脑或是服务器，虚拟内存都是保证它们正常流畅运行的一种重要机制。通常来说，如果没有什么特殊需求，由操作系统自行管理虚拟内存就可以在大部分场合获得很好的效果。
亚马逊云科技云服务器优势
亚马逊云科技云服务器优势
弹性 WEB 级计算
Amazon EC2 云服务器，通过 Web 服务 API 控制，您可在几分钟内灵活增加或减少所需容量，并同时管理一个、数百个，甚至数千个服务器实例。
完全控制
在亚马逊云科技您可以完全控制云服务器实例，并拥有每个实例的根用户访问权，并可以与这些实例进行互动。同时您还能借助 Web 服务 API 实现远程重启实例。
灵活的云托管服务
亚马逊云科技有多种云服务器实例类型、操作系统和软件包供您选择。借助 Amazon EC2，您可以为您所选择的操作系统和应用程序选取理想的内存、CPU、实例存储和引导分区大小配置。
安全可靠
亚马逊云科技的云服务提供高可靠的环境，将云服务器与 Amazon VPC 配合使用，还能为您的计算资源提供一个安全且强大的联网功能，您可以自行决定是否公开实例。
弹性 WEB 级计算
Amazon EC2 云服务器，通过 Web 服务 API 控制，您可在几分钟内灵活增加或减少所需容量，并同时管理一个、数百个，甚至数千个服务器实例。
完全控制
在亚马逊云科技您可以完全控制云服务器实例，并拥有每个实例的根用户访问权，并可以与这些实例进行互动。同时您还能借助 Web 服务 API 实现远程重启实例。
灵活的云托管服务
亚马逊云科技有多种云服务器实例类型、操作系统和软件包供您选择。借助 Amazon EC2，您可以为您所选择的操作系统和应用程序选取理想的内存、CPU、实例存储和引导分区大小配置。
安全可靠
亚马逊云科技的云服务提供高可靠的环境，将云服务器与 Amazon VPC 配合使用，还能为您的计算资源提供一个安全且强大的联网功能，您可以自行决定是否公开实例。
了解亚马逊云科技云服务器相关资讯
了解亚马逊云科技云服务器相关资讯
利用 Amazon SageMaker 对 GPU 运算能力进行优化
Amazon SageMaker 是一项全托管服务，能够帮助开发人员与数据科学家快速、轻松地构建、训练并部署任意规模的机器学习（ML）模型。在本文中，我们将重点介绍在 Amazon SageMaker 上进行训练时，能够切实提高 I/O 以优化 GPU 性能的通用型技术。这些技术方法具有良好的普适性，不对基础设施或深度学习框架本身做出任何要求。通过优化 I/O 处理例程，整个 GPU 训练中的性能提升最多可提升至 10 倍水平。
Amazon EC2 实例机型升级，大幅度减少项目运作时间
根据亚马逊云科技最佳实践，当推出新的 EC2 实例机型后，建议升级到最新的可用机型。少量实例机型升级并不难，然而当实例数量较多、实例关系较复杂时，要规划可行、低成本的实例升级，手工操作的耗时和难度会显著增加。本文利用轻量的类结构化查询语言和亚马逊云科技无服务器解决方案，实现一套崭新和通用的规划实例机型升级架构，以达到两个目的。一是把手工需要数小时的规划操作大幅减少到数秒完成；二是根据预留期限和其他约束条件规划升级以尽量降低成本。
如何优化数据加载与数据预处理，突破 I/O 瓶颈
多处理机制的引入能够避免 Python 全局解释器锁（GIL）使用全部 CPU 进行完全并行，进而导致资源余量不足；但这同时也意味着内存利用率将与工作程序的数量等比例增加，因为每个进程都需要在内存中保留自己的对象副本。当大家开始增加工作程序数量时，可能会引发内存不足问题。在这种情况下，我们需要选择 CPU 内存容量更高的实例类型。
通过创建双集群来提高云端高性能计算能力
在云上进行高性能计算的客户越来越多，利用云计算资源充足、按需使用、弹性伸缩的特点，客户不仅能快速的得到结果，而且成本很低。为了让客户能快速的部署高性能计算集群，亚马逊云科技推出了开源的 ParallelCluster 集群管理软件，该软件可以让客户在数分钟之内部署一个高性能计算集群。
利用 Amazon SageMaker 对 GPU 运算能力进行优化
Amazon SageMaker 是一项全托管服务，能够帮助开发人员与数据科学家快速、轻松地构建、训练并部署任意规模的机器学习（ML）模型。在本文中，我们将重点介绍在 Amazon SageMaker 上进行训练时，能够切实提高 I/O 以优化 GPU 性能的通用型技术。这些技术方法具有良好的普适性，不对基础设施或深度学习框架本身做出任何要求。通过优化 I/O 处理例程，整个 GPU 训练中的性能提升最多可提升至 10 倍水平。
Amazon EC2 实例机型升级，大幅度减少项目运作时间
根据亚马逊云科技最佳实践，当推出新的 EC2 实例机型后，建议升级到最新的可用机型。少量实例机型升级并不难，然而当实例数量较多、实例关系较复杂时，要规划可行、低成本的实例升级，手工操作的耗时和难度会显著增加。本文利用轻量的类结构化查询语言和亚马逊云科技无服务器解决方案，实现一套崭新和通用的规划实例机型升级架构，以达到两个目的。一是把手工需要数小时的规划操作大幅减少到数秒完成；二是根据预留期限和其他约束条件规划升级以尽量降低成本。
如何优化数据加载与数据预处理，突破 I/O 瓶颈
多处理机制的引入能够避免 Python 全局解释器锁（GIL）使用全部 CPU 进行完全并行，进而导致资源余量不足；但这同时也意味着内存利用率将与工作程序的数量等比例增加，因为每个进程都需要在内存中保留自己的对象副本。当大家开始增加工作程序数量时，可能会引发内存不足问题。在这种情况下，我们需要选择 CPU 内存容量更高的实例类型。
通过创建双集群来提高云端高性能计算能力
在云上进行高性能计算的客户越来越多，利用云计算资源充足、按需使用、弹性伸缩的特点，客户不仅能快速的得到结果，而且成本很低。为了让客户能快速的部署高性能计算集群，亚马逊云科技推出了开源的 ParallelCluster 集群管理软件，该软件可以让客户在数分钟之内部署一个高性能计算集群。
