반도체 속으로 들어간 첨단 기능

컴퓨팅, 네트워크 및 스토리지가 시너지 효과를 만들어 냅니다. 인텔® 제온® 확장형 프로세서는 데이터 보안을 유지하면서도 속도에 초점을 맞춰 상호 연결성을 최적화합니다. 부가 가치 기능의 예:

성능 최적화

인텔® Advanced Vector Extension 512(인텔® AVX-512)를 포함한 새로운 기능과 워크로드에 최적화된 성능 및 처리량으로 첨단 분석, 고성능 컴퓨팅(HPC) 응용 프로그램, 데이터 압축 기능을 지원합니다.

방법 알아보기 > 

중요 워크로드를 빠르게 처리

인텔® QuickAssist 기술(인텔® QAT)이 통합되어 있어 데이터 압축 및 암호화 속도가 높아집니다.

자세한 내용 ›

운영 효율성의 증대

고속 통합형 인텔® 이더넷(최대 4x10GbE)이 전체 시스템 비용을 줄여줍니다. 또한, 전력 소모량은 줄이는 한편 대용량 스토리지 블록의 전송 지연 및 가상 시스템 마이그레이션은 개선합니다.

알아보기 ›

향상된 보안

하드웨어로 강화된 보안 기술을 통해 성능 저하 없이 데이터 및 시스템 운영을 보호합니다.

자세히 보기 ›

새로운 인텔® 제온® 확장형 프로세서는 다음과 같은 네 가지 기능 구성으로 출시됩니다.

플래티넘 회원

플래티넘 회원

인텔® 제온® 플래티넘 프로세서는 I/O, 메모리, 스토리지 및 네트워크 기술의 놀라운 발전을 통해 미션 크리티컬 하이브리드 클라우드 워크로드, 실시간 분석, 머신 러닝, 인공 지능을 위한 업계 최고의 성능을 제공합니다.

CPU 코어: 최대 28개
소켓 구성: 8개 이상
메모리: 최대 12TB

자세한 정보

골드 회원

골드 회원

인텔® 제온® 골드 프로세서는 고사양 데이터 센터, 하이브리드 클라우드 컴퓨팅, 네트워크 및 스토리지 워크로드에 최적화된 뛰어난 성능, 높은 안정성과 하드웨어로 강화된 보안 기능을 제공합니다.

CPU 코어: 최대 22개
소켓 구성: 최대 4개
메모리: 최대 6TB

자세한 내용

은색

은색

인텔® 제온® 실버 프로세서는 데이터 센터 컴퓨팅, 네트워크, 스토리지에 필요하며 중간 규모의 성장하는 IT 조직에 최적화된, 하드웨어로 강화된 성능 및 보안 기능을 제공합니다.

CPU 코어: 최대 12개
소켓 구성: 최대 2개
메모리: 최대 1.5TB

알아보기

브론즈

브론즈

인텔® 제온® 브론즈 프로세서는 소규모 비즈니스 및 기본 스토리지 서버에 최적화된 성능을 제공합니다.

CPU 코어: 최대 8개
소켓 구성: 최대 2개
메모리: 최대 1.5TB

알아보기

데이터를 가장 유용한 자산으로 활용하는 방법

그 어느 때보다 빠르게 의사 결정을 지원하는 데이터

최대

5x

분석(4S 데이터베이스 vs. 설치 기반)1

최대

2.2x

AI/딥러닝(이전 세대 대비)2

최대

65%

낮아진 총 소유 비용(TCO)3

성공을 위한 확장

인텔® 제온® 확장형 프로세서 기반 솔루션으로 비즈니스를 더욱 빠르게 발전시키십시오.

발전된 성능, 데이터 센터 설계, 기능으로 사물 인터넷(IoT), 인공 지능, 비주얼 컴퓨팅 등, 컴퓨팅이 필요하고 데이터가 풍부한 워크로드를 관리합니다.

자세한 내용 보기

유연하고 최적화된 산업 표준 서버와 가상화 및 조직화된 네트워크 서비스를 활용한 클라우드 경제로 수익을 창출하십시오.

자세한 내용

복잡한 대규모 데이터 세트의 관리, 신속한 통찰력 확보, 제품 혁신의 가속화, 이전에는 불가능했던 과학 탐구를 지원합니다.

자세한 내용 보기

이전 세대보다 2.1배 뛰어난 딥러닝 성능, AI 및 결합 워크로드를 통한 최대의 유연성, 서버급 안정성으로 빠르고 원활하게 확장할 수 있습니다.

자세한 정보

작동 원리

ISV(독립 소프트웨어 제공업체)들은 이미 인텔® 제온® 확장형 프로세서를 활용하고 있습니다. 다양한 산업 및 기술 부문의 이용 사례를 확인하십시오.

자세한 내용 ›

제품 및 성능 정보

1

OLTP 웨어하우스 워크로드 기준 최대 5배: 1노드, 인텔® 제온® 프로세서 E7-4870 4개가 탑재된 Emerald Ridge, 512GB 총 메모리, Oracle 리눅스* 6.4에서 Oracle 12c*를 사용하여 800개 웨어하우스 실행. 벤치마크: HammerDB, 점수: 2.46322e+006(높을수록 좋음) vs. 1노드, 인텔® 제온® 플래티넘 8180 프로세서 4개가 탑재된 Lightning Ridge SKX, 768GB 총 메모리, Red Hat Enterprise 리눅스* 7.3에서 Oracle* 12.2.0.1(데이터베이스와 그리드 포함)을 사용하여 800개 웨어하우스 실행. 점수: 1.2423e+007.

2

인텔® 제온® 플래티넘 8180 프로세서와 인텔® 제온® 프로세서 E5-2699 v4를 비교한 데이터. 참고: 최적화된 프레임워크와 최적화된 인텔® MKL 라이브러리를 BVLC-Caffe 플랫폼을 실행하는 인텔® 제온® 프로세서 E5-2699 v3와 비교했을 때 지난 2년 간 113배 향상: 2S 인텔® 제온® 플래티넘 8180 CPU @ 2.50GHz(28코어), HT 비활성화, 터보 비활성화, intel_pstate 드라이버로 scaling governor를 “performance”로 설정, 384GB DDR4-2666 ECC RAM. CentOS* 리눅스 릴리스 7.3.1611(코어), 리눅스 커널 3.10.0-514.10.2.el7.x86_64. SSD: 인텔® SSD DC S3700 시리즈(800GB, 2.5인치 SATA 6Gb/s, 25nm, MLC). 성능 측정 조건: 환경 변수: KMP_AFFINITY='granularity=fine, compact‘, OMP_NUM_THREADS=56, cpupower로 CPU 주파수를 frequency-set -d 2.5G -u 3.8G -g performance로 설정

딥 러닝 프레임워크: Caffe*: (http://github.com/intel/caffe/), 리비전 f96b759f71b2281835f690af267158b82b150b5c. 간섭은 “caffe time --forward_only” 명령으로, 트레이닝은 “caffe time” 명령으로 측정했습니다. “ConvNet” 토폴로지에는 더미 데이터 집합을 사용했습니다. 기타 토폴로지의 경우 데이터가 로컬 스토리지에 저장되어 트레이닝 전에 메모리에 캐싱되었습니다. 토폴로지 사양: https://github.com/intel/caffe/tree/master/models/intel_optimized_models (GoogLeNet, AlexNet 및 ResNet-50), https://github.com/intel/caffe/tree/master/models/default_vgg_19 (VGG-19) 및 https://github.com/soumith/convnet-benchmarks/tree/master/caffe/imagenet_winners (ConvNet 벤치마크; 최신 Caffe prototxt 형식을 사용하기 위해 파일이 업데이트되었으나 기능적으로 동일함). 인텔 C++ 컴파일러 버전 17.0.2 20170213, 인텔 MKL 소형 라이브러리 버전 2018.0.20170425. Caffe는 “numactl -l“로 실행됩니다.

플랫폼: 2S 인텔® 제온® CPU E5-2697 v2 @ 2.70GHz(12코어), HT 활성화, 터보 활성화, intel_pstate 드라이버로 scaling governor를 “performance”로 설정, 256GB DDR3-1600 ECC RAM. CentOS 리눅스 릴리스 7.3.1611(코어), 리눅스 커널 3.10.0-514.21.1.el7.x86_64. SSD: 인텔® SSD 520 시리즈 240GB, 2.5인치 SATA 6Gb/s, 25nm, MLC.

성능 측정 조건: 환경 변수: KMP_AFFINITY='granularity=fine, compact,1,0‘, OMP_NUM_THREADS=24, cpupower로 CPU 주파수를 frequency-set -d 2.7G -u 3.5G -g performance로 설정

딥 러닝 프레임워크: Caffe*: (http://github.com/intel/caffe/), 리비전 b0ef3236528a2c7d2988f249d347d5fdae831236. 간섭은 “caffe time --forward_only” 명령으로, 트레이닝은 “caffe time” 명령으로 측정했습니다. “ConvNet” 토폴로지에는 더미 데이터 집합을 사용했습니다. 기타 토폴로지의 경우 데이터가 로컬 스토리지에 저장되어 트레이닝 전에 메모리에 캐싱되었습니다. 토폴로지 사양: https://github.com/intel/caffe/tree/master/models/intel_optimized_models (GoogLeNet, AlexNet 및 ResNet-50), https://github.com/intel/caffe/tree/master/models/default_vgg_19 (VGG-19) 및 https://github.com/soumith/convnet-benchmarks/tree/master/caffe/imagenet_winners (ConvNet 벤치마크; 최신 Caffe prototxt 형식을 사용하기 위해 파일이 업데이트되었으나 기능적으로 동일함). GCC 4.8.5, 인텔 MKL 소형 라이브러리 버전 2017.0.2.20170110.

3

Guest OS RHEL* 6.4를 사용하여 VMware ESXi* 6.0GA를 실행하는 인텔® 제온® 프로세서 E5-2690(이전 명칭 “Sandy Bridge-EP”)로 설치된 2소켓 서버 20대의 총 소유 비용 919,362달러와 Guest OS RHEL* 6 64비트를 사용하여 VMware ESXi* 6.0 U3 GA를 실행하는 새로운 인텔® 제온® 플래티넘 8180(Skylake)과 시스템 5대의 총 소유 비용 320,879달러(기본 취득 비용 포함)를 비교한 결과 VMware ESXi* 가상화 통합 워크로드를 사용하여 동급 랙 성능을 기준으로 추산한 4개년 TCO가 최대 65% 절감됩니다. 서버 가격 추정치는 인텔® 제온® 프로세서 E5-2690 v4가 탑재된 2소켓 서버와 E7-8890 v4를 사용한 4소켓 서버의 CPU 2개에 대한 최신 OEM 소매 공개 가격을 기준으로 하며, 실제 판매 시의 가격은 달라질 수 있습니다.