{"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\/pt\/blog\/administrirovanie\/vgpu-ispolzovat-nelzya-ignorirovat","title":{"rendered":"vGPU \u2014 n\u00e3o pode ser ignorado","gt_translate_keys":[{"key":"rendered","format":"text"}]},"content":{"rendered":"

\"vGPU
\n
\nEntre junho e julho, quase duas dezenas de empresas nos procuraram interessadas nas possibilidades de GPU virtual. Uma das grandes subsidi\u00e1rias do Sberbank j\u00e1 utiliza a \u2018Gr\u00e1fica\u2019 da Cloud4Y, mas, de forma geral, o servi\u00e7o n\u00e3o \u00e9 muito popular. Portanto, essa atividade nos deixou bastante contentes. Vendo o crescimento do interesse pela tecnologia, decidimos falar um pouco mais sobre vGPU.<\/i> <\/a><\/noindex><\/p>\n

Os \u2018Lagos de Dados\u2019, obtidos como resultado de experi\u00eancias cient\u00edficas e pesquisas, Deep Learning e outras \u00e1reas de trabalho com IA, modelagem de objetos grandes e complexos \u2014 tudo isso exige hardware de alto desempenho. \u00c9 bom se ele est\u00e1 dispon\u00edvel e permite resolver rapidamente as tarefas atuais. S\u00f3 que, devido \u00e0 crescente complexidade computacional das tarefas (especialmente no que diz respeito \u00e0 an\u00e1lise de neg\u00f3cios, renderiza\u00e7\u00e3o, algoritmos DL e frameworks), a capacidade de CPUs de desktops e at\u00e9 mesmo de servidores frequentemente se torna in\u00fatil.<\/p>\n

A solu\u00e7\u00e3o foi encontrada no uso de computa\u00e7\u00e3o em GPU. Essa tecnologia de acelera\u00e7\u00e3o gr\u00e1fica permite a aloca\u00e7\u00e3o de recursos de uma \u00fanica placa gr\u00e1fica entre v\u00e1rios computadores virtuais. A GPU foi projetada originalmente para trabalhar com gr\u00e1ficos, raz\u00e3o pela qual \u00e9 composta por mil n\u00facleos pequenos usados para o processamento eficaz de tarefas paralelas. Dessa forma, parte dos c\u00e1lculos mais exigentes em termos de recursos \u00e9 realizada na GPU, enquanto o restante fica a cargo da CPU.<\/p>\n

\"vGPU
\n
\nA computa\u00e7\u00e3o com GPUs foi desenvolvida pela Nvidia <\/a><\/noindex>em 2007. Hoje, essa tecnologia alcan\u00e7ou um novo patamar e \u00e9 aplicada em data centers das maiores empresas e laborat\u00f3rios de pesquisa. No entanto, a abordagem tradicional tem uma grande desvantagem: a compra de hardware f\u00edsico pode ser bastante cara. E se lembrarmos da velocidade com que o \u2018hardware\u2019 se torna obsoleto, a situa\u00e7\u00e3o parece ainda mais triste.<\/p>\n

A tecnologia de processadores gr\u00e1ficos virtuais, vGPU, foi criada para resolver esse problema. Com ela, os usu\u00e1rios podem executar remotamente aplica\u00e7\u00f5es pesadas como AutoCAD, 3DS Max, Maya, Sony Vegas Pro. A virtualiza\u00e7\u00e3o rapidamente conquistou sua parcela de mercado. Afinal, qual data scientist russo n\u00e3o aprecia c\u00e1lculos r\u00e1pidos com placas gr\u00e1ficas NVidia Tesla? <\/p>\n

Vale ressaltar que antes do surgimento do vGPU, foram utilizados outros m\u00e9todos para acelerar o processamento gr\u00e1fico: Virtual Shared Graphics Acceleration (vSGA) e Virtual Dedicated Graphics Acceleration (vDGA). A solu\u00e7\u00e3o vGPU combina o melhor de ambas as tecnologias. Assim como no caso do vSGA, no ambiente vGPU, espera-se que m\u00faltiplos desktops virtuais compartilhem GPU e RAM, mas cada VM envia comandos diretamente para a GPU, como no caso do vDGA.<\/p>\n

Por que precisamos do vGPU? <\/h2>\n

\nOs servi\u00e7os de computa\u00e7\u00e3o em nuvem com vGPU permitem que as empresas lidem com tarefas que antes eram imposs\u00edveis de resolver. Ou eram poss\u00edveis, mas exigiam recursos irrealmente altos. Um servidor moderno com GPU pode substituir at\u00e9 100 CPUs comuns. Existem outros n\u00fameros ainda mais impressionantes<\/a><\/noindex>. N\u00e3o \u00e9 brincadeira: as solu\u00e7\u00f5es da Nvidia processam petabytes de dados v\u00e1rias vezes mais r\u00e1pido que os servidores CPU cl\u00e1ssicos. E o pr\u00f3prio Google Cloud oferece m\u00e1quinas virtuais com GPU que atingem at\u00e9 960 teraflops.<\/p>\n

Muitos profissionais precisam de dispositivos potentes capazes de realizar c\u00e1lculos paralelos. Arquitetos e engenheiros utilizam a tecnologia vGPU em sistemas de design (como o Autodesk, por exemplo). Designers trabalham com conte\u00fado digital de fotos e v\u00eddeos (Photoshop, CorelDraw). M\u00e1quinas virtuais<\/a><\/noindex> Os processadores gr\u00e1ficos tamb\u00e9m s\u00e3o necess\u00e1rios em institui\u00e7\u00f5es m\u00e9dicas, que acumulam e analisam dados sobre pacientes e doen\u00e7as. Trabalha-se com GPU e \u201cYandex<\/a><\/noindex>\u00bb.<\/p>\n

Voc\u00ea acha que \u00e9 s\u00f3 isso? De jeito nenhum. A tecnologia tamb\u00e9m \u00e9 usada para verifica\u00e7\u00e3o autom\u00e1tica da precis\u00e3o de imagens de sat\u00e9lite<\/a><\/noindex>, e para previs\u00e3o de epidemias<\/a><\/noindex>, pesquisas meteorol\u00f3gicas<\/a><\/noindex>, modelagem de ciclos solares<\/a><\/noindex> e an\u00e1lise de neg\u00f3cios<\/a><\/noindex>. Al\u00e9m disso, h\u00e1 um \u00f3timo artigo sobre modelagem<\/a><\/noindex> no ambiente Unity3D de ThisIsZolden<\/a><\/noindex>.<\/p>\n

Apesar disso, as solu\u00e7\u00f5es baseadas em vGPU ainda n\u00e3o ganharam ampla aceita\u00e7\u00e3o no mundo. Assim, em 2018, a NetApp realizou uma pesquisa <\/a><\/noindex>um levantamento entre empresas que utilizam processadores gr\u00e1ficos. Os resultados mostraram que 60% das organiza\u00e7\u00f5es ainda operam com sua pr\u00f3pria infraestrutura de TI. Apenas 23% utilizam 'nuvem'. Na R\u00fassia, a ado\u00e7\u00e3o de tecnologia de computa\u00e7\u00e3o em nuvem \u00e9 menos significativa. Mas, gra\u00e7as a novas solu\u00e7\u00f5es de hardware e software, o n\u00famero de empresas que utilizam m\u00e1quinas virtuais com GPU est\u00e1 em constante crescimento.<\/p>\n

Solu\u00e7\u00f5es para vGPU<\/h2>\n

\n\"vGPU
\n
\nMuitas empresas est\u00e3o desenvolvendo tecnologias de virtualiza\u00e7\u00e3o de GPUs, mas h\u00e1 l\u00edderes indiscut\u00edveis entre elas.<\/p>\n

Uma das desenvolvedoras mais respeit\u00e1veis de solu\u00e7\u00f5es na \u00e1rea de cloud computing, a empresa VMware <\/b>oferece \u00e0s empresas um hipervisor ESXi<\/a><\/noindex>, sob o qual a velocidade de trabalho das GPUs virtuais \u00e9 compar\u00e1vel \u00e0s implementa\u00e7\u00f5es em hardware f\u00edsico. Em uma atualiza\u00e7\u00e3o recente, o desenvolvedor desativou o balanceador de carga vMotion e adicionou suporte \u00e0 tecnologia DirectPath I\/O, que conecta o driver CUDA \u00e0 VM, contornando o hipervisor e acelerando a transfer\u00eancia de dados.<\/p>\n

Nvidia <\/b>tamb\u00e9m se esfor\u00e7a para atender \u00e0s expectativas do mercado e, para isso, lan\u00e7ou uma plataforma open-source Rapids<\/a><\/noindex>. A solu\u00e7\u00e3o combina v\u00e1rias bibliotecas para trabalhar com a arquitetura CUDA, facilitando o trabalho com dados durante o treinamento de redes neurais e permitindo automatizar o trabalho com c\u00f3digo Python. O uso do Rapids com o algoritmo de aprendizado de m\u00e1quina XGBoost proporciona um aumento de desempenho 50 vezes maior em compara\u00e7\u00e3o com sistemas baseados em CPU.<\/p>\n

Sua tecnologia tamb\u00e9m \u00e9 desenvolvida por AMD<\/b>. A plataforma \u00e9 chamada de ROCm<\/a><\/noindex>. Ela utiliza a tecnologia SR-IOV, que divide as capacidades de hardware de um dispositivo f\u00edsico entre v\u00e1rias m\u00e1quinas virtuais. Os recursos de um \u00fanico acelerador podem ser compartilhados entre dezesseis usu\u00e1rios, mantendo desempenho igual para cada um deles. Isso acelera a transfer\u00eancia de dados entre CPUs e GPUs na nuvem. Tamb\u00e9m \u00e9 utilizado um dialeto especial de C++ chamado HIP, que simplifica a execu\u00e7\u00e3o de opera\u00e7\u00f5es matem\u00e1ticas em GPUs.<\/p>\n

Intel <\/b>constr\u00f3i sua tecnologia com base no hipervisor cross-platform Citrix <\/a><\/noindex>XenServer 7, que recebeu certifica\u00e7\u00e3o de conformidade da FSTEC em 2017. A solu\u00e7\u00e3o combina o funcionamento do driver GPU padr\u00e3o com a m\u00e1quina virtual. Portanto, uma 'm\u00e1quina virtual' pode suportar <\/a><\/noindex>executar aplica\u00e7\u00f5es pesadas em dispositivos com um grande n\u00famero (centenas) de usu\u00e1rios.<\/p>\n

Perspectivas de mercado<\/h2>\n

\n\"vGPU
\n
\nAnalistas independentes acreditam que o volume de vendas de solu\u00e7\u00f5es para sistemas HPC atingir\u00e1 45 bilh\u00f5es de d\u00f3lares at\u00e9 2022. Os desenvolvedores de plataformas tamb\u00e9m esperam um aumento na demanda por sistemas de alto desempenho. Essa expectativa \u00e9 refor\u00e7ada pela popularidade do Big Data e a necessidade frequente de processar grandes volumes de dados.<\/p>\n

Al\u00e9m disso, o aumento da demanda por vGPU pode estimular o desenvolvimento de tecnologias h\u00edbridas que combinam GPU e CPU em um \u00fanico dispositivo. Em tais solu\u00e7\u00f5es integradas, dois tipos de n\u00facleos usam um cache comum, o que acelera a transfer\u00eancia de dados entre os processadores gr\u00e1ficos e tradicionais. <\/p>\n

Os h\u00edbridos podem mudar fundamentalmente a abordagem para a virtualiza\u00e7\u00e3o e a distribui\u00e7\u00e3o de recursos virtuais dentro dos data centers. E solu\u00e7\u00f5es de c\u00f3digo aberto como ROCm e Rapids permitem que os operadores de data centers utilizem os recursos computacionais de forma mais eficiente, aumentando a performance do hardware.<\/p>\n

H\u00e1 outra opini\u00e3o. Por exemplo, que os GPUs virtuais ser\u00e3o substitu\u00eddos por chips \u00f3pticos com codifica\u00e7\u00e3o de dados fot\u00f4nicos. Essas solu\u00e7\u00f5es j\u00e1 existem e s\u00e3o utilizadas para aprendizado de m\u00e1quina. Al\u00e9m disso, parecem ser mais produtivos <\/a><\/noindex>que o GPU convencional. Mas a tecnologia ainda est\u00e1 em desenvolvimento.<\/p>\n

Qual pode ser a conclus\u00e3o? Apesar da poss\u00edvel emerg\u00eancia de an\u00e1logos, vGPU \u00e9 uma dire\u00e7\u00e3o bastante promissora, capaz de resolver uma grande quantidade de problemas. Mas n\u00e3o \u00e9 adequada para todos. Portanto, voc\u00ea pode colocar a v\u00edrgula no t\u00edtulo voc\u00ea mesmo.<\/p>\n

P.S.<\/b>
\nInscreva-se no nosso Telegram<\/a><\/noindex>-canal para n\u00e3o perder o pr\u00f3ximo artigo! Publicamos no m\u00e1ximo duas vezes por semana e apenas conte\u00fado relevante.<\/i><\/p>\n

Apenas usu\u00e1rios registrados podem participar da pesquisa. Entre<\/a><\/noindex>, por favor.<\/p>\n

Voc\u00ea usa vGPU?<\/h2>\n