في شهر فبراير، استضافت جامعة ستانفورد مؤتمرًا حول الحوسبة عالية الأداء (HPC). قال ممثلو VMware أنه عند العمل مع GPU، فإن النظام القائم على برنامج Hypervisor ESXi المعدل ليس أقل شأنا من الحلول المعدنية العارية في السرعة.
نتحدث عن التقنيات التي جعلت من الممكن تحقيق ذلك.
/ صورة
مسألة اداء
وفقا للمحللين، حوالي 70٪ من أعباء العمل في مراكز البيانات . ومع ذلك، فإن نسبة الـ 30% المتبقية لا تزال تعمل على المعدن بدون برامج Hypervisor. تتكون نسبة الـ 30% هذه في الغالب من تطبيقات عالية التحميل، مثل تلك المتعلقة بتدريب الشبكات العصبية واستخدام وحدات معالجة الرسومات.
يشرح الخبراء هذا الاتجاه من خلال حقيقة أن برنامج Hypervisor، كطبقة تجريد وسيطة، يمكن أن يؤثر على أداء النظام بأكمله. في الدراسات قبل خمس سنوات حول تقليل سرعة العمل بنسبة 10٪. ولذلك، فإن الشركات ومشغلي مراكز البيانات ليسوا في عجلة من أمرهم لنقل أحمال عمل HPC إلى بيئة افتراضية.
لكن تقنيات المحاكاة الافتراضية تتطور وتتحسن. في مؤتمر عقد قبل شهر، قالت شركة VMware أن برنامج ESXi Hypervisor ليس له تأثير سلبي على أداء وحدة معالجة الرسومات. يمكن تقليل سرعة الحوسبة بنسبة ثلاثة بالمائة، وهو ما يشبه المعدن العاري.
كيف يعمل هذا؟
لتحسين أداء أنظمة HPC مع وحدات معالجة الرسومات، أجرى VMware عددًا من التغييرات على برنامج Hypervisor. وعلى وجه الخصوص، تم التخلص من وظيفة vMotion. إنه ضروري لموازنة التحميل وعادةً ما يقوم بنقل الأجهزة الافتراضية (VMs) بين الخوادم أو وحدات معالجة الرسومات. أدى تعطيل vMotion إلى تعيين وحدة معالجة رسومات محددة لكل جهاز افتراضي. وقد ساعد هذا في تقليل التكاليف عند تبادل البيانات.
عنصر رئيسي آخر في النظام الإدخال/الإخراج للمسار المباشر فهو يسمح لبرنامج تشغيل الحوسبة المتوازية CUDA بالتفاعل مع الأجهزة الافتراضية مباشرة، متجاوزًا برنامج Hypervisor. عندما تحتاج إلى تشغيل عدة أجهزة افتراضية على وحدة معالجة رسومات واحدة في وقت واحد، يتم استخدام حل GRID vGPU. يقوم بتقسيم ذاكرة البطاقة إلى عدة أجزاء (لكن الدورات الحسابية غير مقسمة).
سيبدو مخطط تشغيل جهازين افتراضيين في هذه الحالة كما يلي:
النتائج والتوقعات
شركة برنامج Hypervisor من خلال تدريب نموذج لغة يعتمد على . كان "الضرر" في الأداء 3-4٪ فقط مقارنة بالمعدن العاري. وفي المقابل، تمكن النظام من توزيع الموارد حسب الطلب اعتمادا على الحمل الحالي.
عملاق تكنولوجيا المعلومات أيضا مع الحاويات. وقام مهندسو الشركة بتدريب الشبكات العصبية على التعرف على الصور. وفي الوقت نفسه، تم توزيع موارد وحدة معالجة الرسومات (GPU) واحدة على أربع أجهزة افتراضية للحاويات. ونتيجة لذلك، انخفض أداء الأجهزة الفردية بنسبة 17% (مقارنة بجهاز افتراضي واحد يتمتع بإمكانية الوصول الكامل إلى موارد وحدة معالجة الرسومات). ومع ذلك، فإن عدد الصور التي تتم معالجتها في الثانية الواحدة ثلاث مرات. ومن المتوقع أن مثل هذه الأنظمة تطبيقات في تحليل البيانات والنمذجة الحاسوبية.
ومن بين المشاكل المحتملة التي قد تواجهها برامج VMware، الخبراء جمهور مستهدف ضيق إلى حد ما. ولا يزال عدد قليل من الشركات يعمل بأنظمة عالية الأداء. على الرغم من وجوده في Statista أنه بحلول عام 2021، ستكون 94% من أحمال عمل مراكز البيانات في العالم افتراضية. بواسطة ويتوقع المحللون أن تنمو قيمة سوق الحوسبة عالية الأداء من 32 إلى 45 مليار دولار في الفترة من 2017 إلى 2022.
/ صورة PD
حلول مماثلة
هناك العديد من نظائرها في السوق التي طورتها شركات تكنولوجيا المعلومات الكبيرة: AMD و Intel.
الشركة الأولى للمحاكاة الافتراضية لوحدة معالجة الرسومات يعتمد النهج على SR-IOV (المحاكاة الافتراضية للإدخال/الإخراج أحادية الجذر). تتيح هذه التقنية للجهاز الظاهري الوصول إلى جزء من إمكانات أجهزة النظام. يتيح لك الحل مشاركة وحدة معالجة الرسومات بين 16 مستخدمًا مع أداء متساوٍ للأنظمة الافتراضية.
أما عملاق تكنولوجيا المعلومات الثاني فهو على برنامج Hypervisor Citrix XenServer 7. فهو يجمع بين عمل برنامج تشغيل GPU القياسي والجهاز الظاهري، والذي يسمح للأخير بعرض التطبيقات ثلاثية الأبعاد وأجهزة سطح المكتب على أجهزة مئات المستخدمين.
مستقبل التكنولوجيا
مطورو GPU الظاهري حول تنفيذ أنظمة الذكاء الاصطناعي والشعبية المتزايدة للحلول عالية الأداء في سوق تكنولوجيا الأعمال. ويأملون أن تؤدي الحاجة إلى معالجة كميات كبيرة من البيانات إلى زيادة الطلب على وحدات معالجة الرسومات الافتراضية.
الآن الشركات المصنعة يجمع بين وظائف وحدة المعالجة المركزية ووحدة معالجة الرسومات في نواة واحدة لتسريع حل المشكلات المتعلقة بالرسومات وإجراء الحسابات الرياضية والعمليات المنطقية ومعالجة البيانات. سيؤدي ظهور مثل هذه النوى في السوق في المستقبل إلى تغيير النهج المتبع في المحاكاة الافتراضية للموارد وتوزيعها بين أحمال العمل في البيئات الافتراضية والسحابية.
ماذا تقرأ عن هذا الموضوع في مدونة شركتنا:
بعض المنشورات من قناتنا على التليجرام:
المصدر: www.habr.com