{"id":36902,"date":"2019-10-31T22:14:38","date_gmt":"2019-10-31T19:14:38","guid":{"rendered":"https:\/\/prohoster.info\/blog\/vgpu-ispolzovat-nelzya-ignorirovat\/"},"modified":"2019-10-31T22:14:38","modified_gmt":"2019-10-31T19:14:38","slug":"vgpu-ispolzovat-nelzya-ignorirovat","status":"publish","type":"post","link":"https:\/\/prohoster.info\/da\/blog\/administrirovanie\/vgpu-ispolzovat-nelzya-ignorirovat","title":{"rendered":"vGPU \u2014 brug ikke ignoreres","gt_translate_keys":[{"key":"rendered","format":"text"}]},"content":{"rendered":"

\"vGPU
\n
\nI juni-juli henvendte n\u00e6sten to dusin virksomheder sig til os for at h\u00f8re om mulighederne for virtuelle GPU'er. \"Grafikken\" fra Cloud4Y bruges allerede af et af Sberbank's store datterselskaber, men generelt er tjenesten ikke s\u00e6rlig popul\u00e6r. Denne aktivitet gl\u00e6dede os meget. Da vi s\u00e5 en stigning i interessen for teknologien, besluttede vi at fort\u00e6lle lidt mere om vGPU.<\/i> <\/a><\/noindex><\/p>\n

\"Data s\u00f8er\", der er opn\u00e5et som resultat af videnskabelige eksperimenter og forskning, Deep Learning og andre retninger inden for AI, samt modellering af store og komplekse objekter - alt dette kr\u00e6ver h\u00f8jtydende hardware. Det er godt, hvis det eksisterer og hurtigt kan l\u00f8se aktuelle opgaver. Men p\u00e5 grund af den voksende beregningskompleksitet af opgaverne (is\u00e6r inden for forretningsanalyse, rendering, DL-algoritmer og rammer) bliver den hardwarekapacitet, der findes i station\u00e6re og endda server-CPU'er, stadig mere ubrugelig.<\/p>\n

L\u00f8sningen blev fundet i brugen af GPU-beregninger. Denne grafikaccelereringsteknologi muligg\u00f8r deling af ressourcerne fra en grafisk processor mellem flere virtuelle computere. GPU'en blev oprindeligt designet til grafisk arbejde, da den best\u00e5r af tusindvis af sm\u00e5 kerner, der anvendes til effektiv h\u00e5ndtering af parallelle opgaver. Samtidig udf\u00f8res en del af de mest ressourceintensive beregninger p\u00e5 GPU'en, mens resten h\u00e5ndteres af CPU'en.<\/p>\n

\"vGPU
\n
\nGPU-beregninger blev opfundet af virksomheden Nvidia <\/a><\/noindex>allerede i 2007. I dag er denne teknologi n\u00e5et til et nyt niveau og anvendes i datacentre hos de st\u00f8rste virksomheder og forskningslaboratorier. Imidlertid er der en v\u00e6sentlig ulempe ved den traditionelle tilgang: indk\u00f8b af fysisk udstyr er meget dyrt. Og n\u00e5r man i till\u00e6g hertil betragter hastigheden af udstyrets for\u00e6ldelse, bliver det endnu mere trist.<\/p>\n

Problemet skal l\u00f8ses af teknologien for virtuelle grafiske processorer: vGPU. Med denne teknologi kan brugerne fjernstarte tunge programmer som AutoCAD, 3DS Max, Maya, Sony Vegas Pro. Virtualiseringen har hurtigt erobret sin del af markedet. For hvilken russisk data scientist elsker ikke hurtige beregninger p\u00e5 NVidia Tesla grafikkort? <\/p>\n

Det er v\u00e6rd at n\u00e6vne, at f\u00f8r vGPU kom, blev der anvendt andre metoder til at accelerere grafikbehandling: Virtual Shared Graphics Acceleration (vSGA) og Virtual Dedicated Graphics Acceleration (vDGA). vGPU-l\u00f8sningen kombinerede det bedste fra begge teknologier. Ligesom med vSGA antages det, at GPU og RAM deles mellem flere virtuelle skriveborde i et vGPU-milj\u00f8, men hver VM sender kommandoer direkte til GPU'en, ligesom i tilf\u00e6ldet med vDGA.<\/p>\n

Hvorfor er vGPU n\u00f8dvendigt? <\/h2>\n

\nCloud computing med vGPU g\u00f8r det muligt for virksomheder at tackle opgaver, som tidligere var umulige at l\u00f8se, eller som kr\u00e6vede urealistisk mange ressourcer. En moderne GPU-server kan erstatte op til 100 almindelige CPU'er. Der er ogs\u00e5 andre endda mere imponerende tal<\/a><\/noindex>. Det er ikke sp\u00f8ge: Nvidia-l\u00f8sninger behandler petabytes af data mange gange hurtigere end klassiske CPU-servere. Samtidig tilbyder Google Cloud virtuelle maskiner med GPU, der leverer op til 960 teraflops.<\/p>\n

Mange specialister har brug for kraftfulde enheder, der kan udf\u00f8re parallelle beregninger. Arkitekter og ingeni\u00f8rer bruger vGPU-teknologi i designssystemer (det samme g\u00e6lder for Autodesk, for eksempel). Designere arbejder med digital foto- og videoindhold (Photoshop, CorelDraw). Virtuelle maskiner<\/a><\/noindex> Grafikprocessorer er ogs\u00e5 n\u00f8dvendige for sundhedssektoren, der akkumulerer og analyserer data om patienter og sygdomme. GPU anvendes ogs\u00e5 afYandex<\/a><\/noindex>\u00bb.<\/p>\n

T\u00e6nker du, at det er alt? Langt fra. Teknologien anvendes ogs\u00e5 til automatisk kontrol af n\u00f8jagtigheden af satellitbilleder<\/a><\/noindex>, og til forudsigelse af epidemier<\/a><\/noindex>, meteorologiske unders\u00f8gelser<\/a><\/noindex>, modellering af solcykler<\/a><\/noindex> og forretningsanalyse<\/a><\/noindex>. Og der er ogs\u00e5 en fantastisk artikel om modellering<\/a><\/noindex> i milj\u00f8et Unity3D fra ThisIsZolden<\/a><\/noindex>.<\/p>\n

P\u00e5 trods af dette har l\u00f8sninger baseret p\u00e5 vGPU endnu ikke opn\u00e5et udbredt anvendelse i verden. S\u00e5 i 2018 gennemf\u00f8rte NetApp unders\u00f8gelse <\/a><\/noindex>en unders\u00f8gelse blandt virksomheder, der bruger grafiske processorer i deres arbejde. Resultaterne viste, at 60% af organisationerne stadig arbejder med deres egen IT-infrastruktur. Kun 23% bruger \"cloud\". I Rusland har teknologien for cloud computing mindre betydning. Men takket v\u00e6re nye hardware- og softwarel\u00f8sninger vokser antallet af virksomheder, der bruger virtuelle maskiner med GPU, konstant.<\/p>\n

L\u00f8sninger til vGPU<\/h2>\n

\n\"vGPU
\n
\nMange virksomheder arbejder p\u00e5 udviklingen af virtualiseringsteknologier til grafiske accelerater, men blandt dem er der nogle, der er ubestridte ledere.<\/p>\n

En af de mest anerkendte udviklere af l\u00f8sninger inden for cloud-l\u00f8sninger, virksomheden VMware <\/b>tilbyder virksomheder en hypervisor ESXi<\/a><\/noindex>, under hvilken hastigheden for virtualiserede grafiske processorer er sammenlignelig med implementeringer p\u00e5 r\u00e5 hardware. I en nylig opdatering deaktiverede udvikleren load balancer vMotion og tilf\u00f8jede underst\u00f8ttelse af teknologien DirectPath I\/O, som forbinder CUDA-driveren med VM'en uden om hypervisoren og acceleratorerer dataoverf\u00f8rslen.<\/p>\n

Nvidia <\/b>g\u00f8r ogs\u00e5 sit bedste for at im\u00f8dekomme markedets forventninger, og for dette har de udgivet en open source-platform Rapids<\/a><\/noindex>. L\u00f8sningen samler flere biblioteker til arbejde med CUDA-arkitekturen, hvilket forenkler arbejdet med data under tr\u00e6ning af neurale netv\u00e6rk og muligg\u00f8r automatisering af arbejdet med Python-kode. Brug af Rapids med maskinl\u00e6ringsalgoritmen XGBoost giver en 50-fold stigning i ydeevnen i forhold til systemer baseret p\u00e5 CPU.<\/p>\n

Der findes ogs\u00e5 en teknologi fra AMD<\/b>. Platformen hedder ROCm<\/a><\/noindex>. Den anvender teknologien SR-IOV, som opdeler de fysiske enhedsressourcer mellem flere virtuelle maskiner. Ressourcerne fra en accelerator kan deles mellem seksten brugere, hvilket opretholder lige ydeevne for hver af dem. Dette accelererer dataoverf\u00f8rslen mellem cloud CPU og GPU. Der anvendes ogs\u00e5 en speciel C++ dialekt kaldet HIP, som forenkler udf\u00f8relsen af matematiske operationer p\u00e5 GPU.<\/p>\n

Intel <\/b>bygger sin teknologi p\u00e5 en cross-platform hypervisor Citrix <\/a><\/noindex>XenServer 7, som fik FSTEC overensstemmelsescertifikat i 2017. L\u00f8sningen kombinerer arbejdet med den standard GPU-driver og den virtuelle maskine. Det vil sige, at en \"virtuelt\" kan supportere <\/a><\/noindex>k\u00f8re tunge applikationer p\u00e5 enheder med et stort (flere hundrede) antal brugere.<\/p>\n

Markedsudsigter<\/h2>\n

\n\"vGPU
\n
\nUafh\u00e6ngige analytikere mener, at salget af l\u00f8sninger til HPC-systemer vil n\u00e5 45 milliarder dollars inden 2022. Udviklerne af platforme forventer ogs\u00e5 en stigning i eftersp\u00f8rgslen efter h\u00f8jtydende systemer. Denne forventning underst\u00f8ttes af populariteten af Big Data og den ofte forekommende n\u00f8dvendighed for at bearbejde store m\u00e6ngder data.<\/p>\n

Desuden kan den voksende eftersp\u00f8rgsel efter vGPU stimulere udviklingen af hybride teknologier, der kombinerer GPU og CPU i \u00e9n enhed. I s\u00e5danne integrerede l\u00f8sninger bruger de to typer af kerner en f\u00e6lles cache, hvilket hastighedsopf\u00f8rer dataoverf\u00f8rslen mellem grafiske og traditionelle processorer. <\/p>\n

Hybrider vil grundl\u00e6ggende \u00e6ndre tilgangen til virtualisering og fordeling af virtuelle ressourcer inden for datacentre. \u00c5bne kildel\u00f8sninger som ROCm og Rapids g\u00f8r det muligt for datacenteroperat\u00f8rer at udnytte beregningsressourcerne mere effektivt og forbedre udstyrets ydeevne.<\/p>\n

Der er ogs\u00e5 en anden opfattelse. For eksempel, at virtuelle GPU'er vil blive udfaset af optiske chips med fotonisk datakodning. S\u00e5danne l\u00f8sninger eksisterer allerede og anvendes til maskinl\u00e6ring. Desuden synes de at v\u00e6re mere effektive <\/a><\/noindex>end almindelige GPU'er. Men teknologien er stadig umoden.<\/p>\n

Hvad kan der konkluderes? P\u00e5 trods af muligheden for at der kan komme alternativer, er vGPU en lovende retning, der kan l\u00f8se mange opgaver. Men det passer ikke til alle. S\u00e5 I kan selv s\u00e6tte kommaet i overskriften.<\/p>\n

P.S.<\/b>
\nTilmeld dig vores Telegram<\/a><\/noindex>-kanalen for ikke at misse den n\u00e6ste artikel! Vi skriver h\u00f8jst to gange om ugen og kun om relevante emner.<\/i><\/p>\n

Kun registrerede brugere kan deltage i unders\u00f8gelsen. Log ind<\/a><\/noindex>, please.<\/p>\n

Bruger du vGPU?<\/h2>\n