AWS Parallel Computing Service (AWS PCS) がスケーリングログのサポートを開始

AWS Parallel Computing Service (AWS PCS) において、コンピューティングノードグループのスケーリング挙動を詳細に記録する「スケーリングログ」機能が追加されました。各ログエントリには、インスタンスの起動、ノードの登録、スケールダウン、および起動失敗とその理由などの状態遷移が記録されます。ログの配信はオプトイン方式で、Amazon CloudWatch Logs、Amazon S3、Amazon Data Firehose への出力先として設定可能です。本機能は AWS PCS が提供されているすべてのリージョンで利用可能です。

HPC クラスターのスケーリング問題の可視化が容易に

これまで HPC (High Performance Computing) 環境において、ノードの起動失敗やキャパシティ不足によるスケールアップの遅策は、原因特定が非常に困難な場面がありました。今回のアップデートにより、**「なぜターゲットサイズに達しないのか」「どのノードが起動に失敗したのか」**といった詳細な状態遷移がログとして出力されるため、インスタンスの起動失敗理由（Capacity Error など）が明確になります。

日本国内リージョンの対応状況

最新のリージョン状況を確認したところ、東京リージョン (ap-northeast-1) および大阪リージョン (ap-northeast-3) の両方で利用可能であることが確認されています。国内の HPC ワークロードを運用するユーザーにとって、非常に有用な機能です。

運用上のアドバイス

1. コスト最適化: ログ出力はオプトイン方式であるため、全ノードのログを無制限に記録し続けると、CloudWatch Logs のストレージコストが増大する可能性があります。調査が必要なクラスターや、特定の期間に限定して有効化することを推奨します。
2. ログの集約: 大規模なクラスターを運用する場合、Amazon Data Firehose を介してログを中央集約し、Amazon S3 や分析基盤へ連携させる構成が、運用負荷とコストのバランスが取れた構成となります。

次のアクション

まずは、既存のクラスターの設定を確認し、スケーリングログの配信先として Amazon S3 または CloudWatch Logs をエントリポイントとしてテスト運用を開始することをお勧めします。

参照資料: AWS PCS User Guide (https://://docs.aws.amazon.com/pcs/latest/userguide/monitoring-overview.html)