{"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 \u2013 unverzichtbar!","gt_translate_keys":[{"key":"rendered","format":"text"}]},"content":{"rendered":"

\"vGPU
\n
\nIm Juni und Juli haben sich fast zwei Dutzend Unternehmen bei uns nach den M\u00f6glichkeiten virtueller GPUs erkundigt. Das Grafik-Tool von Cloud4Y wird bereits von einer der gro\u00dfen Tochtergesellschaften der Sberbank genutzt, aber insgesamt ist der Dienst noch nicht sehr beliebt. Daher hat uns diese rege Nachfrage sehr gefreut. Angesichts des gestiegenen Interesses an der Technologie haben wir uns entschlossen, etwas ausf\u00fchrlicher \u00fcber vGPU zu berichten.<\/i> <\/a><\/noindex><\/p>\n

Die im Rahmen wissenschaftlicher Experimente und Forschungen gewonnenen \u201eDatenseen\u201c, Deep Learning und andere KI-gest\u00fctzte Projekte sowie das Modellieren gro\u00dfer und komplexer Objekte erfordern leistungsstarke Hardware. Es ist vorteilhaft, wenn diese vorhanden ist und es erm\u00f6glicht, aktuelle Aufgaben schnell zu l\u00f6sen. Doch angesichts der zunehmenden Komplexit\u00e4t der Berechnungen (insbesondere im Bereich der Business-Analyse, Rendering, DL-Algorithmen und Frameworks) werden die Hardwarekapazit\u00e4ten von Desktop- und sogar Server-CPUs immer h\u00e4ufiger unzureichend.<\/p>\n

Eine L\u00f6sung wurde in der Nutzung von GPU-Computing gefunden. Diese Grafikbeschleunigungstechnologie erm\u00f6glicht die Aufteilung der Ressourcen einer einzelnen Grafikkarte auf mehrere virtuelle Maschinen. Die GPU wurde urspr\u00fcnglich f\u00fcr die Grafikverarbeitung entwickelt und besteht aus Tausenden von kleinen Kernen, die f\u00fcr die effiziente Bearbeitung paralleler Aufgaben genutzt werden. Dabei \u00fcbernimmt die GPU einen Teil der rechenintensivsten Berechnungen, w\u00e4hrend die CPU den Rest bew\u00e4ltigt.<\/p>\n

\"vGPU
\n
\nGPU-Computing wurde von der Firma Nvidia <\/a><\/noindex>bereits im Jahr 2007 eingef\u00fchrt. Heute hat diese Technologie eine neue Dimension erreicht und findet Anwendung in Rechenzentren gro\u00dfer Unternehmen und wissenschaftlicher Labore. Der traditionelle Ansatz hat jedoch einen erheblichen Nachteil: Die Anschaffung physischer Hardware kann ziemlich kostspielig sein. Und wenn man die Geschwindigkeit der Veralterung von Hardware bedenkt, wird die Situation noch tr\u00fcbseliger.<\/p>\n

Das Problem wird durch die Technologie der virtuellen Grafikprozessoren: vGPU gel\u00f6st. Mit dieser Technologie k\u00f6nnen Nutzer ressourcenintensive Anwendungen wie AutoCAD, 3DS Max, Maya und Sony Vegas Pro remote ausf\u00fchren. Die Virtualisierung hat schnell ihren Marktanteil gewonnen. Denn welcher russische Data Scientist liebt keine schnellen Berechnungen mit 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 vGPU-L\u00f6sung kombiniert das Beste aus beiden Technologien. Wie bei vSGA wird in der vGPU-Umgebung die GPU und RAM von mehreren virtuellen Desktops gemeinsam genutzt, jedoch \u00fcbermittelt jede VM ihre Befehle direkt an die GPU, wie es bei vDGA der Fall ist.<\/p>\n

Warum sind vGPUs \u00fcberhaupt notwendig? <\/h2>\n

\nCloud-Computing mit vGPU erm\u00f6glicht es Unternehmen, Herausforderungen zu bew\u00e4ltigen, die zuvor unl\u00f6sbar schienen. Oder l\u00f6sbar, aber mit unrealistisch hohen Ressourcenanforderungen. Ein moderner GPU-Server kann bis zu 100 herk\u00f6mmliche CPUs ersetzen. Es gibt noch andere, noch beeindruckendere Zahlen<\/a><\/noindex>. Dies 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 parallel rechnen k\u00f6nnen. Architekten und Ingenieure nutzen die vGPU-Technologie in Design-Systemen (wie zum Beispiel Autodesk). Designer arbeiten mit digitalen Foto- und Videoinhalten (Photoshop, CorelDraw). Virtuelle Maschinen<\/a><\/noindex> Grafikprozessoren werden auch in medizinischen Einrichtungen ben\u00f6tigt, die Daten \u00fcber Patienten und Krankheiten sammeln und analysieren. Auch f\u00fcr die GPU gilt, dass ...Yandex<\/a><\/noindex>\u00bb.<\/p>\n

Denken Sie, das war's? Weit gefehlt. Diese Technologie wird auch f\u00fcr die automatische \u00dcberpr\u00fcfung der Genauigkeit von Satellitenbildern<\/a><\/noindex>, sowie f\u00fcr Epidemievorhersagen<\/a><\/noindex>, meteorologische Forschungen<\/a><\/noindex>, Modellierungen solarer Zyklen<\/a><\/noindex> und Business-Analysen<\/a><\/noindex>. Zudem gibt es einen interessanten Artikel \u00fcber Modellierung<\/a><\/noindex> in der Unity3D-Umgebung von ThisIsZolden<\/a><\/noindex>.<\/p>\n

. Trotz alledem haben vGPU-basierte L\u00f6sungen weltweit noch nicht weit verbreitet Fu\u00df gefasst. So f\u00fchrte NetApp 2018 eine Umfrage <\/a><\/noindex>unter den Unternehmen, die Grafikkarten in ihren Betrieb einsetzen. Die Ergebnisse zeigten, dass 60 % der Organisationen weiterhin auf ihre eigene IT-Infrastruktur setzen. Das \u201eCloud-Computing\u201c wird jedoch nur von 23 % genutzt. In Russland hat die Technologie des Cloud Computing eine geringere Verbreitung. Dank neuer Hardware- und Softwarel\u00f6sungen w\u00e4chst jedoch die Zahl der Unternehmen, die virtuelle Maschinen mit GPU einsetzen, kontinuierlich.<\/p>\n

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

\n\"vGPU
\n
\nViele Unternehmen entwickeln Technologien zur Virtualisierung von Grafikbeschleunigern, aber es gibt einige unbestrittene Marktf\u00fchrer.<\/p>\n

Einer der angesehensten Entwickler von Cloud-L\u00f6sungen, das Unternehmen VMware <\/b>bietet Unternehmen einen Hypervisor an ESXi<\/a><\/noindex>, bei dem die Geschwindigkeit der virtuellen Grafikprozessoren mit der von Bare-Metal-Implementierungen vergleichbar ist. In einem k\u00fcrzlichen Update hat der Entwickler den Lastenausgleich vMotion deaktiviert und die Unterst\u00fctzung f\u00fcr die Technologie DirectPath I\/O hinzugef\u00fcgt, die den CUDA-Treiber direkt mit der VM verbindet, um den Hypervisor zu umgehen und die Daten\u00fcbertragung zu beschleunigen.<\/p>\n

Nvidia <\/b>arbeitet ebenfalls daran, den Markterwartungen gerecht zu werden, und hat dazu eine Open-Source-Plattform herausgebracht Rapids<\/a><\/noindex>. Die L\u00f6sung vereint mehrere Bibliotheken zur Arbeit mit der CUDA-Architektur, was die Handhabung von Daten w\u00e4hrend des Trainings von neuronalen Netzen vereinfacht und die Automatisierung von Python-Code erm\u00f6glicht. Der Einsatz von Rapids mit dem Machine-Learning-Algorithmus XGBoost f\u00fchrt zu einem 50-fachen Leistungszuwachs im Vergleich zu CPU-basierten Systemen.<\/p>\n

Eigenes Technologieangebot besteht ebenfalls bei AMD<\/b>. Die Plattform hei\u00dft ROCm<\/a><\/noindex>. Sie nutzt die SR-IOV-Technologie, die die Hardware-Ressourcen eines physischen Ger\u00e4ts auf mehrere virtuelle Maschinen verteilt. Die Ressourcen eines einzigen Beschleunigers k\u00f6nnen unter sechzehn Benutzern geteilt werden, wobei die gleiche Leistung f\u00fcr jeden von ihnen sichergestellt wird. Dies beschleunigt den Datenaustausch zwischen Cloud-CPUs und -GPUs. Au\u00dferdem wird ein spezieller C++-Dialekt namens HIP verwendet, der die Ausf\u00fchrung mathematischer Operationen auf der GPU vereinfacht.<\/p>\n

Intel <\/b>entwickelt ihre Technologie auf Basis des plattform\u00fcbergreifenden Hypervisors Citrix <\/a><\/noindex>XenServer 7, der im Jahr 2017 die FSTEK-Konformit\u00e4tszertifizierung erhielt. Die L\u00f6sung vereint den Betrieb des Standard-GPU-Treibers und der virtuellen Maschine. Das bedeutet, dass die \"Virtuelle Maschine\" unterst\u00fctzen. <\/a><\/noindex>den Betrieb komplexer Anwendungen auf Ger\u00e4ten mit einer gro\u00dfen Anzahl von Benutzern (einige Hundert).<\/p>\n

Marktchancen<\/h2>\n

\n\"vGPU
\n
\nUnabh\u00e4ngige Analysten prognostizieren, dass der Umsatz mit HPC-Systeml\u00f6sungen bis 2022 45 Milliarden Dollar erreichen wird. Auch Entwickler von Plattformen erwarten eine steigende Nachfrage nach Hochleistungs-systemen. Diese Erwartungen werden durch die Beliebtheit von Big Data und die h\u00e4ufigen Anforderungen zur Verarbeitung gro\u00dfer Datenmengen unterst\u00fctzt.<\/p>\n

Dar\u00fcber hinaus k\u00f6nnte das wachsende Interesse an vGPU die Entwicklung hybrider Technologien f\u00f6rdern, die GPU und CPU in einem Ger\u00e4t kombinieren. In solchen integrierten L\u00f6sungen nutzen zwei Kerneltypen einen gemeinsamen Cache, was den Datentransfer zwischen grafik- und traditionellen Prozessoren beschleunigt. <\/p>\n

Hybride Technologien werden grundlegend die Herangehensweise an Virtualisierung und die Verteilung virtueller Ressourcen in Rechenzentren ver\u00e4ndern. L\u00f6sungen mit open source wie ROCm und Rapids erm\u00f6glichen es den Rechenzentrumsbetreibern, die Rechenressourcen effizienter zu nutzen und die Leistung der Hardware zu steigern.<\/p>\n

Es gibt auch eine andere Meinung. Zum Beispiel, dass virtuelle GPUs von optischen Chips mit photonischer Datenkodierung verdr\u00e4ngt werden. Solche L\u00f6sungen existieren bereits und werden f\u00fcr maschinelles Lernen eingesetzt. Dar\u00fcber hinaus scheinen sie leistungsst\u00e4rker <\/a><\/noindex>als herk\u00f6mmliche GPUs zu sein. Aber die Technologie ist noch unausgereift.<\/p>\n

Was kann man daraus schlie\u00dfen? Trotz m\u00f6glicher Alternativen ist vGPU ein durchaus vielversprechender Bereich, der in der Lage ist, eine Vielzahl von Aufgaben zu bew\u00e4ltigen. Aber es ist nicht f\u00fcr jeden geeignet. Setzen Sie also das Komma im Titel nach eigenem Ermessen.<\/p>\n

P.S.<\/b>
\nAbonnieren Sie unseren Telegram<\/a><\/noindex>-Kanal, um keinen neuen Artikel zu verpassen! Wir schreiben h\u00f6chstens zweimal pro Woche und nur wenn es notwendig ist.<\/i><\/p>\n

Nur registrierte Benutzer k\u00f6nnen an der Umfrage teilnehmen. Bitte melden Sie sich an.<\/a><\/noindex>Sind Sie an Contour interessiert?<\/p>\n

Verwenden Sie vGPU?<\/h2>\n