{"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\/de\/blog\/administrirovanie\/vgpu-ispolzovat-nelzya-ignorirovat","title":{"rendered":"vGPU \u2014 man kann es nicht ignorieren","gt_translate_keys":[{"key":"rendered","format":"text"}]},"content":{"rendered":"

\"vGPU
\n
\nIm Juni und Juli haben fast zwei Dutzend Unternehmen Kontakt zu uns aufgenommen, die sich f\u00fcr die M\u00f6glichkeiten virtueller GPUs interessierten. Eine gro\u00dfe Tochtergesellschaft von Sberbank nutzt bereits \u201eGrafiken\u201c von Cloud4Y, doch insgesamt ist der Service nicht sehr popul\u00e4r. Daher hat uns diese Aktivit\u00e4t sehr gefreut. Angesichts des wachsenden Interesses an der Technologie, wollten wir ein wenig detaillierter \u00fcber vGPU berichten.<\/i> <\/a><\/noindex><\/p>\n

Die \u201eDatenseen\u201c, die durch wissenschaftliche Experimente und Forschungen, Deep Learning und andere KI-Arbeitsrichtungen gewonnen werden, sowie die Modellierung gro\u00dfer und komplexer Objekte erfordern alle leistungsstarke Hardware. Es ist gut, wenn diese verf\u00fcgbar ist und es erm\u00f6glicht, aktuelle Aufgaben schnell zu l\u00f6sen. Doch aufgrund der zunehmenden rechnerischen Komplexit\u00e4t der Aufgaben (insbesondere in der Gesch\u00e4ftsanalyse, beim Rendern, den DL-Algorithmen und -Frameworks) werden die Hardwareressourcen von Desktop- und sogar Server-CPUs immer h\u00e4ufiger nutzlos.<\/p>\n

Eine L\u00f6sung wurde in der Nutzung von GPU-Berechnungen gefunden. Diese Grafikbeschleunigungstechnologie erm\u00f6glicht die Aufteilung der Ressourcen eines einzelnen Grafikprozessors auf mehrere virtuelle Computer. GPUs wurden urspr\u00fcnglich zur Verarbeitung von Grafiken entwickelt und bestehen aus Tausenden kleiner Kerne, die zur effektiven Verarbeitung paralleler Aufgaben eingesetzt werden. Dabei werden einige der rechenintensivsten Berechnungen auf der GPU ausgef\u00fchrt, w\u00e4hrend der Rest die CPU \u00fcbernimmt.<\/p>\n

\"vGPU
\n
\nDie Berechnungen unter Verwendung von GPUs wurden von der Firma Nvidia <\/a><\/noindex>bereits im Jahr 2007 entwickelt. Heute hat diese Technologie ein neues Niveau erreicht und wird in den Rechenzentren der gr\u00f6\u00dften Unternehmen und wissenschaftlichen Labors eingesetzt. Allerdings hat der traditionelle Ansatz einen erheblichen Nachteil: Der Kauf physischer Hardware ist alles andere als g\u00fcnstig. Und wenn man die Geschwindigkeit bedenkt, mit der Hardware veraltet, wird es noch trister.<\/p>\n

Das Problem soll durch die Technologie virtueller Grafikkarten vGPU gel\u00f6st werden. Damit k\u00f6nnen Benutzer schwergewichtige Anwendungen wie AutoCAD, 3DS Max, Maya und Sony Vegas Pro remote ausf\u00fchren. Die Virtualisierung hat schnell ihren Marktanteil erobert. Denn welcher russische Data Scientist liebt keine schnellen Berechnungen auf NVidia Tesla-Grafikkarten? <\/p>\n

Hier ist zu beachten, dass vor der Einf\u00fchrung von vGPU andere Methoden zur Beschleunigung der Grafikverarbeitung verwendet wurden: Virtual Shared Graphics Acceleration (vSGA) und Virtual Dedicated Graphics Acceleration (vDGA). Die L\u00f6sung vGPU kombiniert das Beste aus beiden Technologien. Wie bei vSGA wird in der vGPU-Umgebung die GPU und der RAM von mehreren virtuellen Arbeitspl\u00e4tzen gemeinsam genutzt, w\u00e4hrend jede VM jedoch Befehle direkt an die GPU \u00fcbertr\u00e4gt, wie im Fall von vDGA.<\/p>\n

Warum ben\u00f6tigt man \u00fcberhaupt vGPU <\/h2>\n

\nCloud-Computing mit vGPU erm\u00f6glicht es Unternehmen, Aufgaben zu bew\u00e4ltigen, die zuvor nicht gel\u00f6st werden konnten. Oder vielleicht m\u00f6glich, aber es w\u00e4ren unrealistisch viele Ressourcen erforderlich gewesen. 1 moderner GPU-Server kann bis zu 100 gew\u00f6hnliche CPUs ersetzen. Es gibt auch andere, noch beeindruckendere Zahlen<\/a><\/noindex>. Das ist kein Scherz: Nvidia-L\u00f6sungen verarbeiten Petabytes an Daten mehrere Male schneller als klassische CPU-Server. Auch Google Cloud bietet virtuelle Maschinen mit GPU an, die bis zu 960 Teraflops liefern.<\/p>\n

Viele Fachleute ben\u00f6tigen leistungsstarke Ger\u00e4te, die parallele Berechnungen durchf\u00fchren k\u00f6nnen. Architekten und Ingenieure nutzen die vGPU-Technologie in Entwurfssystemen (zum Beispiel Autodesk). Designer arbeiten mit digitalen Foto- und Videoinhalten (Photoshop, CorelDraw). Virtuelle Maschinen<\/a><\/noindex> Grafikprozessoren werden auch von medizinischen Einrichtungen ben\u00f6tigt, die Daten \u00fcber Patienten und Krankheiten sammeln und analysieren. Auch \"Yandex<\/a><\/noindex>\u00bb.<\/p>\n

Denken Sie, das war's? Weit gefehlt. Die Technologie wird auch zur automatischen \u00dcberpr\u00fcfung der Genauigkeit von Satellitenaufnahmen<\/a><\/noindex>, und f\u00fcr Epidemieprognosen<\/a><\/noindex>, meteorologische Forschungen<\/a><\/noindex>, Modellierung von Sonnenzyklen<\/a><\/noindex> und Business-Analytics<\/a><\/noindex>. Und es gibt auch einen gro\u00dfartigen Artikel \u00fcber Modellierung<\/a><\/noindex> in der Umgebung von Unity3D von ThisIsZolden<\/a><\/noindex>.<\/p>\n

Trotz allem haben L\u00f6sungen auf Basis von vGPU bisher nicht weit verbreitet. So f\u00fchrte NetApp 2018 eine Umfrage <\/a><\/noindex>unter Unternehmen durch, die Grafikprozessoren in ihrer Arbeit verwenden. Die Ergebnisse zeigten, dass 60 % der Organisationen weiterhin auf ihrer eigenen IT-Infrastruktur arbeiten. Nur 23 % nutzen die \"Cloud\". In Russland hat die Verbreitung der Cloud-Computing-Technologie eine geringere Bedeutung. Doch dank neuer Hardware- und Softwarel\u00f6sungen w\u00e4chst die Zahl der Unternehmen, die virtuelle Maschinen mit GPU nutzen, st\u00e4ndig.<\/p>\n

L\u00f6sungen f\u00fcr vGPU<\/h2>\n

\n\"vGPU
\n
\nDie Entwicklung von Virtualisierungstechnologien f\u00fcr Grafikkarten wird von vielen Unternehmen vorangetrieben, aber unter ihnen gibt es unbestreitbare F\u00fchrer.<\/p>\n

Einer der angesehensten Entwickler von L\u00f6sungen im Bereich Cloud-Computing, das Unternehmen VMware <\/b>bietet Unternehmen einen Hypervisor an ESXi<\/a><\/noindex>, unter dem die Arbeitsgeschwindigkeit virtueller Grafikkarten mit Implementierungen auf Bare-Metal vergleichbar ist. In einem k\u00fcrzlichen Update hat der Entwickler den vMotion-Load-Balancer deaktiviert und Unterst\u00fctzung f\u00fcr die DirectPath I\/O-Technologie hinzugef\u00fcgt, die den CUDA-Treiber direkt mit der VM verbindet, wodurch die Daten\u00fcbertragung beschleunigt wird.<\/p>\n

Nvidia <\/b>auch bem\u00fcht sich, den Erwartungen des Marktes gerecht zu werden, und hat zu diesem Zweck eine Open-Source-Plattform ver\u00f6ffentlicht Rapids<\/a><\/noindex>. Die L\u00f6sung vereint mehrere Bibliotheken zur Arbeit mit der CUDA-Architektur, was die Arbeit mit Daten w\u00e4hrend des Trainings von neuronalen Netzen vereinfacht und die Automatisierung von Python-Code erm\u00f6glicht. Die Verwendung von Rapids mit dem Machine-Learning-Algorithmus XGBoost bietet eine 50-fache Leistungsteigerung im Vergleich zu Systemen auf CPU-Basis.<\/p>\n

Eigene Technologie hat auch AMD<\/b>. Die Plattform hei\u00dft ROCm<\/a><\/noindex>. Sie nutzt die SR-IOV-Technologie, die die Hardware-Ressourcen eines physischen Ger\u00e4ts unter mehreren virtuellen Maschinen aufteilt. Die Ressourcen eines Beschleunigers k\u00f6nnen zwischen sechzehn Benutzern geteilt werden, wobei f\u00fcr jeden eine gleichbleibende Leistung sichergestellt wird. Dadurch wird die Daten\u00fcbertragung zwischen Cloud-CPU und GPU beschleunigt. Zudem wird ein spezieller Dialekt von C++, genannt HIP, verwendet, der die Durchf\u00fchrung mathematischer Operationen auf der GPU vereinfacht.<\/p>\n

Intel <\/b>baut seine Technologie auf dem plattform\u00fcbergreifenden Hypervisor Citrix <\/a><\/noindex>XenServer 7 auf, der 2017 die Zulassung durch die FSTEK erhielt. Die L\u00f6sung kombiniert die Arbeit des Standard-GPU-Treibers mit der virtuellen Maschine. Das bedeutet, dass die \u201eVirtuelle Maschine\u201c unterst\u00fctzen. <\/a><\/noindex>die Ausf\u00fchrung von ressourcenintensiven Anwendungen auf Ger\u00e4ten mit einer gro\u00dfen (mehrere Hundert) Anzahl von Benutzern erm\u00f6glicht.<\/p>\n

Marktausichten<\/h2>\n

\n\"vGPU
\n
\nUnabh\u00e4ngige Analysten glauben, dass der Umsatz mit HPC-Systeml\u00f6sungen bis 2022 45 Milliarden Dollar erreichen wird. Plattformentwickler erwarten ebenfalls eine steigende Nachfrage nach Hochleistungs-Systemen. Diese Erwartung wird durch die Beliebtheit von Big Data und die h\u00e4ufig auftretende Notwendigkeit, gro\u00dfe Datenmengen zu verarbeiten, gest\u00fctzt.<\/p>\n

Auch die steigende Nachfrage nach vGPU kann die Entwicklung hybrider Technologien ankurbeln, die GPU und CPU in einem Ger\u00e4t vereinen. In solchen integrierten L\u00f6sungen nutzen zwei Arten von Kernen einen gemeinsamen Cache, was den Datenaustausch zwischen Grafikkarten und traditionellen Prozessoren beschleunigt. <\/p>\n

Hybride werden den Ansatz zur Virtualisierung und zur Verteilung virtueller Ressourcen in Rechenzentren grundlegend ver\u00e4ndern. Open-Source-L\u00f6sungen wie ROCm und Rapids erm\u00f6glichen es Rechenzentrumsbetreibern, Rechenressourcen effizienter zu nutzen und die Leistung der Hardware zu steigern.<\/p>\n

Es gibt auch eine andere Meinung. Zum Beispiel, dass virtuelle GPUs durch optische Chips mit photonischer Datenkodierung verdr\u00e4ngt werden. Solche L\u00f6sungen existieren bereits und werden f\u00fcr maschinelles Lernen eingesetzt. Dar\u00fcber hinaus erscheinen sie leistungsf\u00e4higer <\/a><\/noindex>als herk\u00f6mmliche GPUs. Doch die Technologie ist noch nicht ausgereift.<\/p>\n

Was l\u00e4sst sich daraus schlussfolgern? Trotz des m\u00f6glichen Auftauchens von Alternativen ist vGPU ein vielversprechender Bereich, der in der Lage ist, eine Vielzahl von Aufgaben zu l\u00f6sen. Aber es ist nicht f\u00fcr jeden geeignet. Die Entscheidung \u00fcber das Komma im Titel \u00fcberlassen wir Ihnen.<\/p>\n

P.S.<\/b>
\nAbonnieren Sie unseren Telegram<\/a><\/noindex>-Kanal, um keinen Artikel zu verpassen! Wir schreiben nicht \u00f6fter als zweimal pro Woche und nur relevante Inhalte.<\/i><\/p>\n

Nur registrierte Benutzer k\u00f6nnen an der Umfrage teilnehmen. Bitte einloggen<\/a><\/noindex>.<\/p>\n

Setzen Sie vGPU ein?<\/h2>\n