Задания с интенсивным использованием памяти плохо масштабируются в многоядерных облачных экземплярах (ec2, gce,ackspace)?

Кто-нибудь еще замечал ужасную производительность при масштабировании для использования всех ядер в облачном экземпляре с заданиями, требующими большого объема памяти (в моем случае 2,5 ГБ)?

Когда я выполняю задания локально на своем четырехъядерном чипе Xeon, разница между использованием 1 ядра и всех 4 ядер составляет примерно 25% замедления для всех ядер. Этого следовало ожидать, насколько я понимаю; падение тактовой частоты по мере исчерпания ядер является частью конструкции многоядерного чипа.

Но когда я запускаю задания на многоядерном виртуальном экземпляре, я вижу замедление времени обработки примерно в 2-4 раза между использованием 1 ядра и всех ядер. Я видел это на инстансах GCE, EC2 и Rackspace. И я протестировал множество разных типов инстансов, в основном самые быстрые из предлагаемых.

Было ли такое поведение замечено другими с заданиями примерно такого же размера в использовании памяти?

Работа, которую я выполняю, написана на фортране. Я их не писал, и на самом деле я не специалист по Фортрану, поэтому мои знания о них ограничены. Я знаю, что у них низкие потребности в вводе-выводе. Они кажутся загруженными ЦП, когда я смотрю top во время их работы. Они работают без необходимости общаться друг с другом, т. е. до неприличия параллельно. Каждый из них занимает около 2,5 ГБ памяти.

Так что мое лучшее предположение на данный момент состоит в том, что задания, которые используют столько памяти, сильно страдают от управления памятью на уровне виртуализации. Также может случиться так, что мои рабочие места конкурируют за ресурс ввода-вывода, но, по мнению эксперта, это маловероятно.

Мой обходной путь на данный момент — использовать GCE, потому что у них есть одноядерный экземпляр, который на самом деле выполняет задания так же быстро, как чип моего ноутбука, и оценивается почти пропорционально количеству ядер.