Y puedes conseguir 32 núcleos por 0,3 libras la hora en Amazon... ¿Qué sentido tiene comprar un servidor doméstico?
Mejor hacer AWS AMI con agentes. Seguramente habrá una demanda...
¿No sería más barata la nube de MQ? Al fin y al cabo, esa potencia sólo se necesita para la optimización, y la nube es probablemente más de 1500 agentes, demasiado perezoso para buscar ahora.
La nube de MQ tiene limitaciones, puede ser lenta (esperando 30 minutos para obtener resultados después de las pruebas), y es difícil calcular el coste de la nube (todavía no entiendo cómo se gastaron 5 libras).
La nube de MQ tiene limitaciones, puede ser lenta (esperé 30 minutos para obtener resultados después de la prueba), y es difícil calcular el coste de la nube (todavía no entiendo cómo me gasté 5 libras).
Mmmm, al parecer tenía un algoritmo sencillo, probado unas cuantas veces, medio minuto cada una, con un coste de no más de una libra. Bueno, es una cosa individual. Y sobre"es difícil calcular los costes de la nube (todavía no entiendo cómo se gastan 5 libras). "Allí, sí, sólo por experiencia, parece.
Y puedes conseguir 32 núcleos por 0,3 libras la hora en Amazon... ¿Qué sentido tiene comprar un servidor doméstico?
Mejor aún, haz una AMI de AWS con agentes. Seguro que habrá demanda...
¿Qué tal 3 libras por hora?
Pero incluso si se toma este fantástico 0,3 dólares/hora para 32 núcleos x 2, x 24 horas, x 30 días, un mes viene a ser el fantástico 13.824,00 $/mes, que es más de 2 veces mayor que el coste de los pedalats discutidos en este hilo. Pero para obtener el coste real (no fantástico) del alquiler de 64 núcleos/mes en Amazon, el resultado debe ser x 10.
Pero incluso si tomamos los fantásticos 0,3 dólares/hora para 32 núcleos x 2, x 24 horas, x 30 días, suma unos fantásticos 13.824,00 dólares/mes, que es más de 2 veces más que el coste del pedestal del que se habla en este hilo. Pero para obtener el coste real (no fantástico) del alquiler de 64 núcleos/mes en Amazon, el resultado debe ser x 10.
Hay algo que falla en tu aritmética... $0,3*2*24*30 == $432
Perdón, por alguna razón he multiplicado todo por 32... se me pasó.
Pero en la práctica, por 0,3 dólares la hora nadie dará esa potencia, por 3 dólares la hora sí, es decir, 432 dólares x 10 = 4320 dólares al mes en total. Más o menos. Bastante más caro, ya que los agentes en funcionamiento se comen constantemente el 100% de los recursos del núcleo y esto aumentará la tarifa.
Z.I.S.: información de la lista de precios de Amazon (sin incluir el coste del SSD):
m4.16xgrande
64
256.0
--
10 Gigabit
--
$6.7840
$4.517 (33%)
Una hora de tiempo de un agente en la nube MQ cuesta 0,02 dólares,
272 agentes x 0,02 x 24 x 30 = 3916,80 dólares
Los pepelats sólo cuestan5.500 euros según el topicstarter. Una sola vez.
Lo siento, he multiplicado todo por 32 por alguna razón.
Pero en la práctica, por 0,3 dólares la hora nadie dará esa potencia, por 3 dólares la hora sí, es decir, 432 dólares x 10 = 4320 dólares en total, al mes. Más o menos. Bastante más caro, ya que los agentes en funcionamiento se comen constantemente el 100% de los recursos del núcleo y esto aumentará la tarifa.
Z.I.S.: información de la lista de precios de Amazon (sin incluir el coste del SSD):
m4.16xgrande
64
256.0
--
10 Gigabit
--
$6.7840
$4.517 (33%)
Una hora de tiempo de un agente en la nube MQ cuesta 0,02 dólares,
272 agentes x 0,02 x 24 x 30 = 3916,80 dólares
Los pepelats sólo cuestan5.500 euros según el topicstarter. Era una cuota única.
3. ¿Cuánto tiempo se tarda en optimizar los parámetros en la nube?
Para comparar, probemos la optimización con los mismos parámetros enMQL5 Cloud Network. El uso de este servicio es de pago. Después de cada optimización, registraremos la cantidad de dinero que se congelará en la cuenta para pagar este servicio.
En esta prueba, estableceremos el uso simultáneo de los núcleos de la CPU local y los agentes de la nube para acelerar la optimización.
Símbolo: EURUSD
result cache used 6416 times
genetic optimization finished on pass 13568 (of 504330836375520000)
optimization done in 6 minutes 41 seconds
local 587 tasks (7%), remote 0 tasks (0%), cloud 6966 tasks (92%)
Fondos congelados:
Como puedes ver, la optimización fue significativamente más rápida(6 min 41 seg) que la última vez, pero sólo en el ordenador local(28 min 56 seg).
Símbolo: EURCHF
Puede ocurrir que el servicio tarde mucho tiempo en enviar el trabajo de optimización a la red. Esto se debe a que los agentes necesitan tiempo para descargar los datos necesarios sobre los símbolos deseados. En este caso, eso es lo que ocurrió.Después de una larga espera puede detener el proceso de optimización. Habrá entradas en el registro como se muestra a continuación.No hubo cálculos en la nube, por lo que no se retirarán fondos.
result cache used 0 times
genetic optimization finished on pass 395 (of 504330836375520000)
optimization done in 10 minutes 13 seconds
local 395 tasks (100%), remote 0 tasks (0%), cloud 0 tasks (0%)
Intentemos ejecutar la optimización de nuevo en este símbolo.
result cache used 8510 times
genetic optimization finished on pass 16640 (of 504330836375520000)
optimization done in 22 minutes 14 seconds
local 543 tasks (6%), remote 0 tasks (0%), cloud 7434 tasks (93%)
Esta vez el proceso fue exitoso pero el resultado no fue impresionante. La optimización duró22 minutos. 14 segundos. Tardó32 minutos. 50 segundos. De hecho, esto también se debe al proceso de carga de datos por parte de los agentes en la red. La ganancia será en las tareas más grandes y en el modo de algoritmocompleto lento.
Fondos congelados:
Ahora vamos a ver si tiene sentido ejecutar la optimización en la nube con múltiples símbolos.
Símbolos: EURUSD,GBPUSD,USDJPY
result cache used 7294 times
genetic optimization finished on pass 15360 (of 504330836375520000)
optimization done in 24 minutes 56 seconds
local 480 tasks (5%), remote 0 tasks (0%), cloud 7680 tasks (94%)
Tardó24 minutos. 56 seg. Pero en nuestro último recorrido, tardamos2 horas. 15 min. 3 seg. En este caso, la ganancia ya se nota.
Fondos congelados:
Símbolos: EURCHF,AUDCAD,AUDNZD
En esta ocasión, la optimización de la red tampoco se inició durante mucho tiempo. Todo este tiempo los agentes locales han estado trabajando. Puedes ver lo que está sucediendo en el registro (ver el listado de abajo). En cuanto todos los agentes de la red que pueden realizar la optimización por usted descargan los datos necesarios, se inicia la optimización.
authorized (server build 1755)
cloud server MQL5 Cloud Europe 1 selected for genetic computation
connected
common synchronization completed
authorized (server build 1755)
AUDCAD: history for2009 year synchronized
AUDCAD: history for2010 year synchronized
AUDCAD: history for2011 year synchronized
AUDCAD: history for2012 year synchronized
AUDCAD: history for2013 year synchronized
AUDCAD: history for2014 year synchronized
AUDCAD: history for2015 year synchronized
AUDCAD: history for2017 year synchronized
AUDCAD: history for2018 year synchronized
AUDCAD: history synchronization completed [19967 Kb]
AUDCAD: 19.50 Mb of history processed in0:04.062
AUDNZD: history for2012 year synchronized
AUDNZD: history for2013 year synchronized
AUDNZD: history for2014 year synchronized
AUDNZD: history for2015 year synchronized
AUDNZD: history for2017 year synchronized
AUDNZD: history for2018 year synchronized
AUDNZD: history synchronization completed [12301 Kb]
AUDNZD: 12.01 Mb of history processed in0:03.281
AUDUSD: history for1999 year synchronized
AUDUSD: history for2000 year synchronized
AUDUSD: history for2001 year synchronized
AUDUSD: history for2002 year synchronized
AUDUSD: history for2003 year synchronized
AUDUSD: history for2004 year synchronized
AUDUSD: history for2005 year synchronized
AUDUSD: history for2006 year synchronized
AUDUSD: history for2007 year synchronized
AUDUSD: history for2008 year synchronized
AUDUSD: history for2009 year synchronized
AUDUSD: history for2010 year synchronized
AUDUSD: history for2011 year synchronized
AUDUSD: history for2012 year synchronized
AUDUSD: history for2018 year synchronized
AUDUSD: history synchronization completed [443 Kb]
AUDUSD: 443.03 Kb of history processed in0:00.203
USDCAD: history for2018 year synchronized
USDCAD: history synchronization completed [172 Kb]
USDCAD: 172.52 Kb of history processed in0:00.609
Al final, la optimización se terminó en1 hora. 19 min. 49 seg. Y la última vez, pero sólo en la máquina local, tardó3 horas. 13 min. 37 seg.
result cache used 8734 times
genetic optimization finished on pass 18176 (of 504330836375520000)
optimization done in 1 hours 19 minutes 49 seconds
local 823 tasks (8%), remote 0 tasks (0%), cloud 8709 tasks (91%)
Fondos congelados:
El total de los cuatro procesos de optimización ascendió a7,46dólares. El siguiente cuadro muestra un resumen. En lugar de6-7 horas, la optimización duró2 horas y 13 minutos, es decir, unas tres veces menos.
Большую часть времени современные компьютеры простаивают и не используют всех возможностей процессора. Мы предлагаем задействовать их с пользой. Вы можете сдавать мощности вашего компьютера другим участникам нашей сети для выполнения разнообразных...
Lo único es que sólo hay 8 agentes locales en la prueba, mientras que en la nube, durante la optimización se distribuye un lote de tareas a 256 o incluso 512 agentes a la vez. Es obvio que los cálculos en la nube serán más rápidos que en los agentes locales.
Para una comparación precisa de la velocidad, el conjunto de agentes locales debe ser de 272 o más, entonces la prueba será más precisa. EN MI OPINIÓN.
De todos modos, si hay que calcular, definitivamente es más rentable comprar un pepelats.
Quise comprarlo el año pasado, pero no lo encontré en las tiendas.
No estás buscando lo suficiente. Acabo de encontrar uno en Moscú en menos de un minuto por 282.000 rublos.
Y puedes conseguir 32 núcleos por 0,3 libras la hora en Amazon... ¿Qué sentido tiene comprar un servidor doméstico?
Mejor hacer AWS AMI con agentes. Seguramente habrá demanda...
Y puedes conseguir 32 núcleos por 0,3 libras la hora en Amazon... ¿Qué sentido tiene comprar un servidor doméstico?
Mejor hacer AWS AMI con agentes. Seguramente habrá una demanda...
¿No sería más barata la nube de MQ? Al fin y al cabo, esa potencia sólo se necesita para la optimización, y la nube es probablemente más de 1500 agentes, demasiado perezoso para buscar ahora.
La nube de MQ tiene limitaciones, puede ser lenta (esperando 30 minutos para obtener resultados después de las pruebas), y es difícil calcular el coste de la nube (todavía no entiendo cómo se gastaron 5 libras).
La nube de MQ tiene limitaciones, puede ser lenta (esperé 30 minutos para obtener resultados después de la prueba), y es difícil calcular el coste de la nube (todavía no entiendo cómo me gasté 5 libras).
Mmmm, al parecer tenía un algoritmo sencillo, probado unas cuantas veces, medio minuto cada una, con un coste de no más de una libra. Bueno, es una cosa individual. Y sobre"es difícil calcular los costes de la nube (todavía no entiendo cómo se gastan 5 libras). "Allí, sí, sólo por experiencia, parece.
Y puedes conseguir 32 núcleos por 0,3 libras la hora en Amazon... ¿Qué sentido tiene comprar un servidor doméstico?
Mejor aún, haz una AMI de AWS con agentes. Seguro que habrá demanda...
¿Qué tal 3 libras por hora?
Pero incluso si se toma este fantástico 0,3 dólares/hora para 32 núcleos x 2, x 24 horas, x 30 días, un mes viene a ser el fantástico 13.824,00 $/mes, que es más de 2 veces mayor que el coste de los pedalats discutidos en este hilo. Pero para obtener el coste real (no fantástico) del alquiler de 64 núcleos/mes en Amazon, el resultado debe ser x 10.
¿Tal vez por 3 dólares/hora...?
Pero incluso si tomamos los fantásticos 0,3 dólares/hora para 32 núcleos x 2, x 24 horas, x 30 días, suma unos fantásticos 13.824,00 dólares/mes, que es más de 2 veces más que el coste del pedestal del que se habla en este hilo. Pero para obtener el coste real (no fantástico) del alquiler de 64 núcleos/mes en Amazon, el resultado debe ser x 10.
Algo con tu aritmética... $0,3*2*24*30 == $432
Hay algo que falla en tu aritmética... $0,3*2*24*30 == $432
Perdón, por alguna razón he multiplicado todo por 32... se me pasó.
Pero en la práctica, por 0,3 dólares la hora nadie dará esa potencia, por 3 dólares la hora sí, es decir, 432 dólares x 10 = 4320 dólares al mes en total. Más o menos. Bastante más caro, ya que los agentes en funcionamiento se comen constantemente el 100% de los recursos del núcleo y esto aumentará la tarifa.
Z.I.S.: información de la lista de precios de Amazon (sin incluir el coste del SSD):
Una hora de tiempo de un agente en la nube MQ cuesta 0,02 dólares,
272 agentes x 0,02 x 24 x 30 = 3916,80 dólares
Los pepelats sólo cuestan5.500 euros según el topicstarter. Una sola vez.
Lo siento, he multiplicado todo por 32 por alguna razón.
Pero en la práctica, por 0,3 dólares la hora nadie dará esa potencia, por 3 dólares la hora sí, es decir, 432 dólares x 10 = 4320 dólares en total, al mes. Más o menos. Bastante más caro, ya que los agentes en funcionamiento se comen constantemente el 100% de los recursos del núcleo y esto aumentará la tarifa.
Z.I.S.: información de la lista de precios de Amazon (sin incluir el coste del SSD):
Una hora de tiempo de un agente en la nube MQ cuesta 0,02 dólares,
272 agentes x 0,02 x 24 x 30 = 3916,80 dólares
Los pepelats sólo cuestan5.500 euros según el topicstarter. Era una cuota única.
Aquí están los resultados de las pruebas en lared MQL5 Cloud Network:
Foro sobre comercio, sistemas de comercio automatizados y pruebas de estrategia
Análisis de los resultados de las pruebas y la optimización en el probador de estrategias de MetaTrader 5
Anatoli Kazharski, 2018.03.01 14:44
3. ¿Cuánto tiempo se tarda en optimizar los parámetros en la nube?
Para comparar, probemos la optimización con los mismos parámetros enMQL5 Cloud Network. El uso de este servicio es de pago. Después de cada optimización, registraremos la cantidad de dinero que se congelará en la cuenta para pagar este servicio.
En esta prueba, estableceremos el uso simultáneo de los núcleos de la CPU local y los agentes de la nube para acelerar la optimización.
Símbolo: EURUSD
Fondos congelados:
Como puedes ver, la optimización fue significativamente más rápida(6 min 41 seg) que la última vez, pero sólo en el ordenador local(28 min 56 seg).
Símbolo: EURCHF
Puede ocurrir que el servicio tarde mucho tiempo en enviar el trabajo de optimización a la red. Esto se debe a que los agentes necesitan tiempo para descargar los datos necesarios sobre los símbolos deseados. En este caso, eso es lo que ocurrió.Después de una larga espera puede detener el proceso de optimización. Habrá entradas en el registro como se muestra a continuación.No hubo cálculos en la nube, por lo que no se retirarán fondos.
Intentemos ejecutar la optimización de nuevo en este símbolo.
Esta vez el proceso fue exitoso pero el resultado no fue impresionante. La optimización duró22 minutos. 14 segundos. Tardó32 minutos. 50 segundos. De hecho, esto también se debe al proceso de carga de datos por parte de los agentes en la red. La ganancia será en las tareas más grandes y en el modo de algoritmocompleto lento.
Fondos congelados:
Ahora vamos a ver si tiene sentido ejecutar la optimización en la nube con múltiples símbolos.
Símbolos: EURUSD,GBPUSD,USDJPY
Tardó24 minutos. 56 seg. Pero en nuestro último recorrido, tardamos2 horas. 15 min. 3 seg. En este caso, la ganancia ya se nota.
Fondos congelados:
Símbolos: EURCHF,AUDCAD,AUDNZD
En esta ocasión, la optimización de la red tampoco se inició durante mucho tiempo. Todo este tiempo los agentes locales han estado trabajando. Puedes ver lo que está sucediendo en el registro (ver el listado de abajo). En cuanto todos los agentes de la red que pueden realizar la optimización por usted descargan los datos necesarios, se inicia la optimización.
Al final, la optimización se terminó en1 hora. 19 min. 49 seg. Y la última vez, pero sólo en la máquina local, tardó3 horas. 13 min. 37 seg.
Fondos congelados:
El total de los cuatro procesos de optimización ascendió a7,46dólares. El siguiente cuadro muestra un resumen. En lugar de6-7 horas, la optimización duró2 horas y 13 minutos, es decir, unas tres veces menos.
Aquí están los resultados de la prueba enMQL5 Cloud Network:
Lo único es que sólo hay 8 agentes locales en la prueba, mientras que en la nube, durante la optimización se distribuye un lote de tareas a 256 o incluso 512 agentes a la vez. Es obvio que los cálculos en la nube serán más rápidos que en los agentes locales.
Para una comparación precisa de la velocidad, el conjunto de agentes locales debe ser de 272 o más, entonces la prueba será más precisa. EN MI OPINIÓN.
De todos modos, si hay que calcular, definitivamente es más rentable comprar un pepelats.