{"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\/fr\/blog\/administrirovanie\/vgpu-ispolzovat-nelzya-ignorirovat","title":{"rendered":"Il ne faut pas ignorer vGPU.","gt_translate_keys":[{"key":"rendered","format":"text"}]},"content":{"rendered":"

\"Il
\n
\nEntre juin et juillet, pr\u00e8s d'une vingtaine d'entreprises nous ont contact\u00e9s pour en savoir plus sur les possibilit\u00e9s des GPU virtuels. Une des grandes filiales de Sberbank utilise d\u00e9j\u00e0 le service \u00ab Graphique \u00bb de Cloud4Y, mais en g\u00e9n\u00e9ral, cette offre n'est pas tr\u00e8s populaire. Cette activit\u00e9 nous a donc particuli\u00e8rement r\u00e9jouis. Constatant la hausse de l'int\u00e9r\u00eat pour la technologie, nous avons d\u00e9cid\u00e9 de parler un peu plus en d\u00e9tail du vGPU.<\/i> <\/a><\/noindex><\/p>\n

Les \u00ab lacs de donn\u00e9es \u00bb, issus d'exp\u00e9riences scientifiques et de recherches, le Deep Learning et d'autres domaines li\u00e9s \u00e0 l'intelligence artificielle, la mod\u00e9lisation d'objets complexes et volumineux \u2014 tout cela n\u00e9cessite du mat\u00e9riel haute performance. Il est favorable d'en disposer pour r\u00e9soudre rapidement des t\u00e2ches actuelles. Toutefois, en raison de la complexit\u00e9 croissante des calculs (surtout en ce qui concerne l'analyse commerciale, le rendu, les algorithmes DL et les frameworks), la puissance mat\u00e9rielle des CPU de bureau et m\u00eame des serveurs devient de plus en plus souvent inutile.<\/p>\n

La solution a \u00e9t\u00e9 trouv\u00e9e dans l'utilisation des calculs sur GPU. Cette technologie d'acc\u00e9l\u00e9ration graphique permet de partager les ressources d'un seul processeur graphique entre plusieurs ordinateurs virtuels. \u00c0 l'origine, les GPU ont \u00e9t\u00e9 con\u00e7us pour travailler avec des graphiques, ce qui explique pourquoi ils sont compos\u00e9s de milliers de petits c\u0153urs, utilis\u00e9s pour traiter efficacement les t\u00e2ches parall\u00e8les. Ainsi, une partie des calculs les plus gourmands en ressources est effectu\u00e9e sur le GPU, tandis que le reste est trait\u00e9 par le CPU.<\/p>\n

\"Il
\n
\nLes calculs \u00e0 l'aide de GPU ont \u00e9t\u00e9 invent\u00e9s par la soci\u00e9t\u00e9 Nvidia <\/a><\/noindex>en 2007. Aujourd'hui, cette technologie a atteint un nouveau niveau et est utilis\u00e9e dans les centres de donn\u00e9es des plus grandes entreprises et laboratoires de recherche. Cependant, l'approche traditionnelle pr\u00e9sente un inconv\u00e9nient majeur : l'achat de mat\u00e9riel physique est assez co\u00fbteux. Et si l'on consid\u00e8re la rapidit\u00e9 avec laquelle le mat\u00e9riel devient obsol\u00e8te, la situation est encore plus pr\u00e9occupante.<\/p>\n

La technologie des processeurs graphiques virtuels : vGPU est cens\u00e9e r\u00e9soudre ce probl\u00e8me. Gr\u00e2ce \u00e0 elle, les utilisateurs peuvent ex\u00e9cuter \u00e0 distance des applications lourdes comme AutoCAD, 3DS Max, Maya, Sony Vegas Pro. La virtualisation a rapidement conquis sa part de march\u00e9. Apr\u00e8s tout, quel data scientist russe n'aime pas des calculs rapides sur des cartes graphiques NVidia Tesla ? <\/p>\n

Il convient de noter qu'avant l'apparition de vGPU, d'autres m\u00e9thodes d'acc\u00e9l\u00e9ration du traitement graphique \u00e9taient utilis\u00e9es : l'acc\u00e9l\u00e9ration graphique partag\u00e9e virtuelle (vSGA) et l'acc\u00e9l\u00e9ration graphique d\u00e9di\u00e9e virtuelle (vDGA). La solution vGPU a combin\u00e9 le meilleur des deux technologies. Comme avec vSGA, dans un environnement vGPU, le GPU et la RAM sont partag\u00e9s par plusieurs postes de travail virtuels, mais chaque VM transmet des commandes directement au GPU, comme dans le cas de vDGA.<\/p>\n

Pourquoi les vGPU sont-ils n\u00e9cessaires ? <\/h2>\n

\nL'informatique cloud utilisant des vGPU permet aux entreprises de faire face \u00e0 des t\u00e2ches qui \u00e9taient auparavant impossibles \u00e0 r\u00e9soudre. Ou possibles, mais n\u00e9cessitant des ressources d\u00e9mesur\u00e9es. Un serveur GPU moderne peut remplacer jusqu'\u00e0 100 CPU classiques. Il y a d'autres chiffres encore plus impressionnants<\/a><\/noindex>. Ce n'est pas une blague : les solutions Nvidia traitent des p\u00e9taoctets de donn\u00e9es plusieurs fois plus rapidement que les serveurs CPU classiques. Et Google Cloud propose des machines virtuelles avec GPU offrant jusqu'\u00e0 960 t\u00e9raflops.<\/p>\n

De nombreux sp\u00e9cialistes ont besoin de dispositifs puissants capables d'effectuer des calculs parall\u00e8les. Les architectes et les ing\u00e9nieurs utilisent la technologie vGPU dans les syst\u00e8mes de conception (comme Autodesk, par exemple). Les designers travaillent avec du contenu photo et vid\u00e9o num\u00e9rique (Photoshop, CorelDraw). Machines virtuelles<\/a><\/noindex> Les centres m\u00e9dicaux ont \u00e9galement besoin de processeurs graphiques pour accumuler et analyser des donn\u00e9es sur les patients et les maladies. Les GPU sont utilis\u00e9s pourYandex<\/a><\/noindex>\u00bb.<\/p>\n

Vous pensez que c'est tout ? Pas du tout. La technologie est \u00e9galement utilis\u00e9e pour la v\u00e9rification automatique de la pr\u00e9cision des images satellite<\/a><\/noindex>, et pour la pr\u00e9vision des \u00e9pid\u00e9mies<\/a><\/noindex>, des recherches m\u00e9t\u00e9orologiques<\/a><\/noindex>, la mod\u00e9lisation des cycles solaires<\/a><\/noindex> et de l'analyse commerciale<\/a><\/noindex>. Et il y a aussi un super article sur la mod\u00e9lisation<\/a><\/noindex> dans l'environnement Unity3D de ThisIsZolden<\/a><\/noindex>.<\/p>\n

Malgr\u00e9 tout, les solutions bas\u00e9es sur vGPU n'ont pas encore connu une large adoption dans le monde. En 2018, NetApp a effectu\u00e9 une enqu\u00eate un sondage <\/a><\/noindex>parmi les entreprises utilisant des processeurs graphiques. Les r\u00e9sultats ont montr\u00e9 que 60 % des organisations utilisent encore leur propre infrastructure informatique. Seulement 23 % b\u00e9n\u00e9ficient du \"cloud\". En Russie, l'adoption des technologies de l'informatique cloud a moins d'importance. Cependant, gr\u00e2ce aux nouvelles solutions mat\u00e9rielles et logicielles, le nombre d'entreprises utilisant des machines virtuelles avec GPU augmente continuellement.<\/p>\n

Solutions pour vGPU<\/h2>\n

\n\"Il
\n
\nDe nombreuses entreprises travaillent sur la virtualisation des acc\u00e9l\u00e9rateurs graphiques, mais certaines se distinguent comme des leaders incontest\u00e9s.<\/p>\n

L'un des d\u00e9veloppeurs les plus respect\u00e9s de solutions cloud, la soci\u00e9t\u00e9 VMware <\/b>propose aux entreprises un hyperviseur ESXi.<\/a><\/noindex>, dont la vitesse d'ex\u00e9cution des processeurs graphiques virtuels est comparable \u00e0 celle des impl\u00e9mentations sur du mat\u00e9riel d\u00e9di\u00e9. Dans une r\u00e9cente mise \u00e0 jour, le d\u00e9veloppeur a d\u00e9sactiv\u00e9 l'\u00e9quilibreur de charge vMotion et ajout\u00e9 la prise en charge de la technologie DirectPath I\/O, qui relie le pilote CUDA \u00e0 la VM en contournant l'hyperviseur et acc\u00e9l\u00e8re le transfert de donn\u00e9es.<\/p>\n

Nvidia <\/b>s'efforce \u00e9galement de r\u00e9pondre aux attentes du march\u00e9, et pour cela, a lanc\u00e9 la plateforme open source Rapids<\/a><\/noindex>. La solution regroupe plusieurs biblioth\u00e8ques pour travailler avec l'architecture CUDA, facilitant le traitement des donn\u00e9es lors de l'entra\u00eenement des r\u00e9seaux de neurones et permettant d'automatiser le travail avec le code Python. L'utilisation de Rapids avec l'algorithme d'apprentissage automatique XGBoost offre 50 fois la performance par rapport aux syst\u00e8mes bas\u00e9s sur CPU.<\/p>\n

Sa propre technologie existe aussi chez AMD<\/b>. La plateforme s'appelle ROCm<\/a><\/noindex>. Elle utilise la technologie SR-IOV, qui divise les capacit\u00e9s mat\u00e9rielles d'un appareil physique entre plusieurs machines virtuelles. Les ressources d'un seul acc\u00e9l\u00e9rateur peuvent \u00eatre partag\u00e9es entre seize utilisateurs, maintenant une performance \u00e9gale pour chacun d'eux. Cela acc\u00e9l\u00e8re ainsi le transfert de donn\u00e9es entre les CPU et GPU cloud. Un dialecte sp\u00e9cial de C++ nomm\u00e9 HIP est \u00e9galement utilis\u00e9, simplifiant l'ex\u00e9cution des op\u00e9rations math\u00e9matiques sur le GPU.<\/p>\n

Intel <\/b>construit sa technologie sur la base de l'hyperviseur multiplateforme Citrix <\/a><\/noindex>XenServer 7, qui a obtenu une certification de conformit\u00e9 de la FSTEC en 2017. La solution combine le travail du pilote GPU standard et de la machine virtuelle. Ainsi, la 'virtuelle' peut soutenir. <\/a><\/noindex>ex\u00e9cuter de lourdes applications sur des dispositifs ayant un grand nombre d'utilisateurs (plusieurs centaines).<\/p>\n

Perspectives de march\u00e9<\/h2>\n

\n\"Il
\n
\nLes analystes ind\u00e9pendants estiment que le volume des ventes de solutions pour les syst\u00e8mes HPC atteindra 45 milliards de dollars d'ici 2022. Les d\u00e9veloppeurs de plateformes s'attendent \u00e9galement \u00e0 une augmentation de la demande pour des syst\u00e8mes \u00e0 haute performance. Cette attente est renforc\u00e9e par la popularit\u00e9 des Big Data et la n\u00e9cessit\u00e9 souvent rencontr\u00e9e de traiter de grands volumes de donn\u00e9es.<\/p>\n

La demande croissante pour les vGPU pourrait \u00e9galement stimuler le d\u00e9veloppement de technologies hybrides qui combinent GPU et CPU dans un seul dispositif. Dans ces solutions int\u00e9gr\u00e9es, les deux types de c\u0153urs utilisent un cache commun, ce qui acc\u00e9l\u00e8re le transfert de donn\u00e9es entre les processeurs graphiques et traditionnels. <\/p>\n

Les hybrides vont fondamentalement changer l'approche de la virtualisation et de la r\u00e9partition des ressources virtuelles au sein des centres de donn\u00e9es. Des solutions open source telles que ROCm et Rapids permettent aux op\u00e9rateurs de centres de donn\u00e9es d'utiliser plus efficacement les ressources de calcul, augmentant ainsi la performance des \u00e9quipements.<\/p>\n

Il y a aussi une autre opinion. Par exemple, que les GPU virtuels seront remplac\u00e9s par des puces optiques avec un codage photonique des donn\u00e9es. De telles solutions existent d\u00e9j\u00e0 et sont utilis\u00e9es pour l'apprentissage automatique. De plus, elles semblent plus performantes <\/a><\/noindex>que les GPU classiques. Mais la technologie est encore immature.<\/p>\n

Quelle conclusion peut-on en tirer ? Malgr\u00e9 l'\u00e9ventuelle apparition d'alternatives, le vGPU est une direction tout \u00e0 fait prometteuse, capable de r\u00e9soudre un grand nombre de probl\u00e8mes. Mais ce n'est pas pour tout le monde. Donc, vous pouvez mettre la virgule dans le titre vous-m\u00eame.<\/p>\n

P.S.<\/b>
\nAbonnez-vous \u00e0 notre Telegram<\/a><\/noindex>-canal pour ne pas manquer le prochain article ! Nous \u00e9crivons pas plus de deux fois par semaine et uniquement sur des sujets pertinents.<\/i><\/p>\n

Seuls les utilisateurs enregistr\u00e9s peuvent participer au sondage. Connectez-vous<\/a><\/noindex>, s'il vous pla\u00eet.<\/p>\n

Utilisez-vous des vGPU ?<\/h2>\n