AWS Batch がリソース認識スケジューリングをサポートするようになりました

本記事は、2025 年 2 月 27 日にAWS公式サイトの What’s New with AWS? に掲載された英語記事を自動翻訳したものです。

ニュース内容

AWS Batch は、サードパーティのライセンストークン、データベースアクセス帯域幅、予算制限などの消費可能リソース (CR) を考慮したジョブスケジューリングをサポートするようになりました。リソース認識スケジューリングを使用すると、これらのリソースを表すトークンのセットを設定でき、実行中の AWS Batch ジョブによって消費されます。これにより、不足またはレート制限されたリソースによって発生するジョブの失敗や無駄なコンピューティング時間が削減され、インフラストラクチャの使用率が向上し、コストが削減されます。

AWS Batch マネジメントコンソール、または CreateConsumableResource、DescribeConsumableResource、UpdateConsumableResource、DeleteConsumableResource、ListJobsByConsumableResource などの新しい AWS Batch 消費可能リソース API を使用して、CR の消費を作成、管理、監視できます。消費可能リソースを設定したら、AWS Batch ジョブ定義を作成または更新するときに、最大 5 つの CR を AWS Batch ジョブに関連付けることができます。詳細については、AWS Batch ユーザーガイドの「消費可能なリソース」ページ、AWS Batch API リファレンス、および AWS HPC ブログ投稿を参照してください。

AWS Batch は、開発者、科学者、エンジニアがあらゆる規模の ML モデルのトレーニング、シミュレーション、分析を効率的にバッチ処理できるようサポートします。リソース認識スケジューリングは、AWS Batch が利用可能なすべての AWS リージョンのすべてのタイプの AWS Batch コンピューティング環境で利用できます。

原文

AWS Batch now supports job scheduling that takes into account consumable resources (CRs) such as third-party license tokens, database access bandwidth, budgetary limits, and more. With resource aware scheduling you can set up sets of tokens representing these resources, which will then be consumed by the running AWS Batch jobs. This will help you reduce job failures and wasted compute time caused by missing or rate-limited resources, which in turn will improve utilization of infrastructure and reduce costs.

You can create, manage, and monitor consumption of your CRs using AWS Batch Management Console or the new AWS Batch consumable resource APIs such as CreateConsumableResource, DescribeConsumableResource, UpdateConsumableResource, DeleteConsumableResource, and ListJobsByConsumableResource. Once you set up your consumable resources, you can associate up to 5 CRs with your AWS Batch jobs while creating or updating AWS Batch job definitions. For more information, see Consumable Resources page in the AWS Batch User Guide, AWS Batch API Reference, and our AWS HPC Blog post.

AWS Batch supports developers, scientists, and engineers in running efficient batch processing for ML model training, simulations, and analysis at any scale. Resource aware scheduling is available for all types of AWS Batch compute environments in any AWS Region where AWS Batch is available.