Am Juni-Juli hu bal zwee Dutzend Firmen eis kontaktéiert, interesséiert un d'FÀegkeete vu virtuelle GPUs. Grafike vu Cloud4Y gëtt scho vun enger vun de grousse Filialen vu Sberbank benotzt, awer am Allgemengen ass de Service net ganz populÀr. Also mir ware ganz zefridde mat esou Aktivitéit. De wuessenden Interesse an der Technologie ze gesinn, hu mir beschloss e bësse méi iwwer vGPU ze schwÀtzen.
"Data Lakes" kritt als Resultat vu wëssenschaftlechen Experimenter a Fuerschung, Deep Learning an aner BerÀicher vun der Aarbecht mat AI, Modelléiere vu groussen a komplexen Objeten - all dat erfuerdert héich performant Hardware. Et ass gutt wann et existéiert an erlaabt Iech déi aktuell Problemer séier ze léisen. Awer wéinst der wuessender computationaler Komplexitéit vun Aufgaben (haaptsÀchlech fir GeschÀftsanalytik, Rendering, DL Algorithmen a Kaderen), gëtt d'Hardwarekraaft vun Desktop a souguer Server CPUs ëmmer méi nëtzlos.
Eng Léisung gouf fonnt fir GPU Computing ze benotzen. Dës Grafikbeschleunigungstechnologie erlaabt d'Ressourcen vun enger eenzeger GPU iwwer verschidde virtuelle Maschinnen gedeelt ze ginn. D'GPU war ursprénglech entworf fir mat Grafiken ze schaffen, sou datt et aus Dausende vu klenge KÀren besteet fir effizient parallel Aufgaben ze veraarbechten. Zur selwechter ZÀit gëtt en Deel vun de Ressourcenintensivste Berechnungen op der GPU gemaach, de Rescht gëtt vun der CPU iwwerholl.
GPU Computing gouf vun der Firma erfonnt zrĂ©ck an 2007. Haut huet dĂ«s Technologie en neien Niveau erreecht a gĂ«tt an Datenzentere vun de grĂ©issten Entreprisen a wĂ«ssenschaftleche Laboratoiren benotzt. WĂ©i och Ă«mmer, dĂ©i traditionell Approche huet e wesentlechen Nodeel: kierperlech AusrĂŒstung ze kafen ass ganz deier. A wann Dir un den Taux erĂ«nnert, mat deem d'Hardware veroudert gĂ«tt, gĂ«tt et nach mĂ©i traureg.
D'Technologie vu virtuelle Grafikprozessoren: vGPU ass entwéckelt fir de Problem ze léisen. Mat senger Hëllef kënnen d'Benotzer schwéier Applikatioune wéi AutoCAD, 3DS Max, Maya, Sony Vegas Pro op afstand starten. Virtualiséierung huet séier Maartundeel gewonnen. No allem, wat russesch Datewëssenschaftler huet net gÀr séier Berechnungen op NVidia Tesla Videokaarten?
Et ass derwĂ€ert ze bemierken datt virum Advent vu vGPU aner Methode vun der Grafikbeschleunigung benotzt goufen: Virtual Shared Graphics Acceleration (vSGA a Virtual Dedicated Graphics Acceleration (vDGA).) D'vGPU LĂ©isung kombinĂ©iert dat Bescht vu bĂ©iden Technologien. WĂ©i mat vSGA, de vGPU Ămfeld ass geduecht fir GPU a RAM verschidde virtuell Desktops ze deelen, awer all VM schĂ©ckt Kommandoen direkt un d'GPU, sou wĂ©i de Fall mat vDGA.
Firwat brauche mir iwwerhaapt vGPUs?
Cloud Computing mat vGPUs erlaabt Firmen Problemer ze léisen déi virdru onméiglech waren ze léisen. Oder vlÀicht, awer dëst erfuerdert eng onrealistesch grouss Quantitéit u Ressourcen. 1 modernen GPU Server kann bis zu 100 konventionell CPUs ersetzen. Et ginn anerer . Dëst ass kee Witz: Nvidia Léisunge veraarbecht Petabytes vun Daten e puer Mol méi séier wéi klassesch CPU Server. An déiselwecht Google Cloud bitt virtuell Maschinnen mat GPUs déi bis zu 960 Teraflops liwweren.
Vill Fachleit brauche mÀchteg Apparater déi parallel Berechnunge maache kënnen. Architekten an Ingenieuren benotzen vGPU Technologie an Designsystemer (Autodesk, zum Beispill). Designers schaffen mat digitale Foto- a Videoinhalt (Photoshop, CorelDraw). GPUs sinn och erfuerderlech vu medizineschen Institutiounen, déi Daten iwwer Patienten a Krankheeten sammelen an analyséieren. Schafft mat GPU an "".
Denkt Dir datt et et ass? Egal wĂ©i et ass. D'Technologie gĂ«tt och fir automatesch benotzt ,a fir , , Modeller Đž . An et gĂ«tt och eng cool am Unity3D Ămfeld vun .
Mat all deem sinn Léisunge baséiert op vGPU nach net verbreet an der Welt. Sou, am 2018 NetApp ofgehalen ënnert Firmen mat Grafiken Prozessor. D'Resultater weisen datt 60% vun den Organisatiounen nach ëmmer op hir eegen IT-Infrastruktur operéieren. Nëmmen 23% benotzen d'Wollek. A Russland ass d'Penetratioun vu Cloud Computing Technologie manner wichteg. Awer dank neie Hardware- a Softwareléisungen ass d'Zuel vun de Firmen déi GPU-ugedriwwe virtuelle Maschinnen benotzen stÀnneg wuessen.
vGPU LĂ©isungen
Vill Firmen entwéckelen Virtualiséierungstechnologien fir Grafikbeschleuniger, awer ënnert hinnen sinn onbestriddene Leader.
Ee vun de renommĂ©ierten LĂ©isung EntwĂ©ckler am BerĂ€ich vun Cloud LĂ©isungen, der Firma Dialekter bitt Firmen en Hypervisor , Ă«nner deenen d'Geschwindegkeet vu virtuelle GPUs verglĂ€ichbar ass mat Implementatiounen op Bare Metal. An engem rezenten Update huet den EntwĂ©ckler den vMotion Lastbalancer deaktivĂ©iert an d'ĂnnerstĂ«tzung fir DirectPath I / O Technologie bĂ€igefĂŒĂŒgt, dĂ©i den CUDA Treiber mat dem VM verbĂ«nnt den Hypervisor Ă«mzegoen an d'Datentransfer beschleunegt.
NVIDIA probéiert och Maart Erwaardungen ze treffen, an dofir huet et eng Opensource Plattform verëffentlecht . D'Léisung kombinéiert verschidde Bibliothéike fir mat der CUDA-Architektur ze schaffen, wat d'Aarbecht mat Daten wÀhrend neuralen Netzwierk Training vereinfacht an Iech erlaabt d'Aarbecht mat Python Code ze automatiséieren. Benotzen Rapids mam XGBoost Maschinn Léieren Algorithmus bitt eng 50x Erhéijung vun der Leeschtung am Verglach mat CPU-baséiert Systemer.
Si hunn och hir eege Technologie AMD. D'Plattform gëtt genannt . Et benotzt SR-IOV Technologie, déi d'HardwarefÀegkeeten vun engem kierperlechen Apparat tëscht verschiddene virtuelle Maschinnen deelt. D'Ressourcen vun engem Accelerator kënnen ënner siechzéng Benotzer opgedeelt ginn, fir jidderee vun hinnen d'selwecht Leeschtung ze halen. Dëst beschleunegt Datentransfer tëscht Cloud CPUs a GPUs. Et benotzt och eng speziell C ++ Dialekt genannt HIP, déi mécht et méi einfach Mathematik op der GPU ze Leeschtunge.
Intel baut seng Technologie op der Basis vun engem Cross-Plattform Hypervisor XenServer 7, deen e Certificat vun der Konformitéit vum FSTEC am Joer 2017 krut. D'Léisung kombinéiert d'Aarbecht vun engem Standard GPU Chauffer an enger virtueller Maschinn. Dat ass, de "virtuellen" kann Lafen schwéier Uwendungen op Apparater vun enger grousser (e puer honnert) Zuel vu Benotzer.
Maartperspektiven
OnofhÀngeg Analysten gleewen datt de Verkaf vu Léisunge fir HPC Systemer bis 45 $ 2022 Milliarde wÀert erreechen. Plattform Entwéckler erwaarden och eng erhéicht Nofro fir High-Performance Systemer. Dës Erwaardung gëtt verstÀerkt duerch d'Popularitéit vu Big Data an der heefeg Bedierfnes fir grouss BÀnn vun Daten ze veraarbecht.
Och de Wuesstum vun der Nofro fir vGPUs kann d'Entwécklung vun Hybridtechnologien stimuléieren déi GPU an CPU an engem Apparat kombinéieren. An esou integréiert Léisungen deelen zwou Aarte vu Cores e Cache, wat den Datentransfer tëscht GPUs an traditionelle Prozessoren beschleunegt.
Hybriden wÀerten d'Approche fir d'Virtualiséierung an d'Verdeelung vu virtuelle Ressourcen bannent Datenzenter grondsÀtzlech Ànneren. An Open Source Léisunge wéi ROCm a Rapids erlaben Datenzenterbetreiber méi effizient Notzung vu Rechenressourcen ze maachen, d'Hardwareleistung erhéijen.
Et gëtt eng aner Meenung. Zum Beispill, datt virtuell GPUs duerch optesch Chips mat photoneschen Datekodéierung ersat ginn. Esou Léisunge existéiere scho a gi fir Maschinnléieren benotzt. Ausserdeem schéngen se regelméisseg GPU. Awer d'Technologie ass nach ëmmer rau.
Wat kann ofgeschloss ginn? Trotz der méiglecher Erscheinung vun Analoga ass vGPU eng ganz villverspriechend Richtung, kapabel fir eng grouss Zuel vu Probleemer ze léisen. MÀ et ass net gëeegent fir jiddereen. Dir kënnt also selwer e Komma an den Titel setzen.
PS
Abonnéiert Iech op eis -Kanal fir datt Dir den nÀchsten Artikel net verpasst! Mir schreiwen net méi wéi zweemol d'Woch an nëmmen op Betrib.
NĂ«mme registrĂ©iert Benotzer kĂ«nnen un der Ămfro deelhuelen. , wann ech glift.
Benotzt Dir vGPU?
Jo, virtuell Kapazitéit ass dacks erfuerderlech
Nee, a mir plangen kaum
23 Benotzer hunn gestëmmt. 11 Benotzer hu sech enthalen.
Source: will.com
