Aceleración de GPU para la era bajo demanda - Calendae | Informática, Electrónica, CMS, Ciberseguridad

Aceleración de GPU para la era bajo demanda

Hola de nuevo. Soy Simón Sánchez y esta vez te voy a hablar sobre Aceleración de GPU para la era bajo demanda

Durante una charla la semana pasada en la GPU Technology Conference (GTC) en San José, Sumit Gupta, gerente de producto del Tesla GPU Computing Group de NVIDIA, sugirió que las GPU en la nube son solo una evolución natural de HPC en la nube.

Es difícil discutir con el punto de vista de Gupta; Una vez que ya tiene una aplicación en la nube, la GPU la mejora y la acelera, proporcionando así a los investigadores capacidades adicionales, particularmente en las áreas de modelado climático, dinámica de fluidos computacional y una amplia gama de otras áreas de aplicación listas para nube.

Si queremos echar un vistazo más amplio a las relaciones básicas entre HPC y la nube en términos de desarrollo y uso, recordando que tenemos un impulso de desarrollo proveniente de diferentes lados del espectro. Además, a medida que las GPU se utilizan más ampliamente en HPC, tiene sentido que estén más disponibles en la nube, aunque ciertamente se debe hacer la distinción de que esta «nube» es más como «bajo demanda» ya que la virtualización no está involucrada.

De abajo hacia arriba

Al principio, HPC tenía sus raíces en la ciencia y el descubrimiento cuando el modelado meteorológico fue el primer «asesino de aplicaciones» antes de que comenzara a implementarse en la empresa. Lo que estamos viendo ahora con la nube también representa un cambio importante, pero esta vez las raíces de la innovación vienen del negocio al mundo de la informática científica. En lugar de provenir de los centros de investigación climática, el movimiento está impulsado por el lado del cliente de la ecuación informática; La virtualización de oficinas está impulsando la era de la virtualización y bajo demanda para el mundo de la informática científica y técnica.

El gerente de productos Tesla de NVIDIA dijo que, en su opinión, «la verdadera promesa de la nube es poder manejar ráfagas» y estas ráfagas, sin mencionar la capacidad en sí, pueden ser entregadas por las nubes, independientemente de si definirlos como servidores virtualizados o simplemente como una infraestructura arrendada. Es esta capacidad, que ahora está disponible a través de costos más bajos, tanto a nivel de opex como de capex, la que está impulsando el crecimiento en los mercados empresariales, sin mencionar el mercado más amplio de GPU.

Gupta está viendo un interés considerable en la tecnología de GPU en varias áreas que están listas para entornos virtualizados, incluida la transcodificación remota de video y análisis de big data. Si bien admite que estas dos áreas no son un «golpe de gracia de GPU, definitivamente son aceleradas por GPU» y los clientes preguntan repetidamente sobre la aceleración de GPU. A menudo, las aplicaciones en cuestión no entran claramente en la categoría HPC, pero son, sin duda, aplicaciones informáticas de alto rendimiento que requieren capacidades de procesamiento extremas.

La transcodificación y las aplicaciones comerciales similares ya tienen necesidades que se satisfacen bien con la computación en la nube o bajo demanda porque muy a menudo esas necesidades son de naturaleza «rápida» y no requieren las enormes máquinas necesarias para procesar la capa de datos. Tome Netflix, por ejemplo, una empresa que tiene enormes necesidades de transcodificación que deben cumplirse en un período de tiempo relativamente corto, a veces hasta 24 horas. Cuando la demanda de un título aumenta repentinamente, la compañía tiene que transcodificar el mismo video en más de cien formatos diferentes para cumplir con los muchos tipos de dispositivos y requisitos de resolución, pero esa misma gran necesidad puede no estar allí al día siguiente, o incluso el la próxima semana.

La convergencia de la aceleración de GPU y el acceso bajo demanda a vastos recursos informáticos a través de la nube o un recurso acelerado por GPU bajo demanda es de gran valor para los mismos tipos de clientes que ya se han beneficiado de él, aunque solo sea en teoría al comienzo de la fase de la nube, desde el acceso bajo demanda a los recursos. Aquellos con necesidades «repentinas» son numerosos, pero solo recientemente esta necesidad se ha adaptado a los tipos de recursos de HPC necesarios para manejar las demandas específicas de aplicaciones y datos.

Entre otros paralelos, la informática empresarial y científica está produciendo conjuntos de datos cada vez más grandes para analizar y analizar, pero una vez más, gran parte de la innovación en este frente está siendo impulsada por la empresa mediante la aceleración, en función de los resultados en en tiempo real en volúmenes tan grandes, está produciendo una ventaja monetaria inmediata. Por ejemplo, una empresa llamada Milabra que asistió a la Cumbre de Empresas Emergentes en el GTC está mejorando su software de reconocimiento de fotografías GPU para crear conexiones en tiempo real entre las imágenes basadas en la web y la publicidad. La aplicación única de la compañía reconoce, por ejemplo, la forma de la cabeza y las características de un niño y la transforma instantáneamente en una plataforma de publicación de anuncios que luego puede ejecutar un anuncio, en microsegundos, para juguetes para niños.

El incentivo que impulsa los resultados en tiempo real a través de enormes conjuntos de datos es claro aquí; Acelerar los tiempos de aplicación para lograr sus resultados tiene una combinación perfecta en términos de ingresos en tiempo real. Cuanto antes la aplicación pueda reconocer el objetivo y convertirlo en la plataforma, antes fluirán los fondos. Es algo hermoso, y aunque ciertamente no tiene sus raíces en la HPC científica o académica, esta combinación de recursos bajo demanda o en la nube junto con computación acelerada tiene su ventaja para la computación científica y técnica. Las demandas aquí son feroces, dependen de los resultados en tiempo real, y para una empresa como Milabra (una startup) no necesita fondos de NSF para despegar. ¿Ves un patrón aquí?

Muchos de los usuarios científicos y los propios científicos informáticos invierten en el análisis de datos al igual que las empresas con problemas en tiempo real, solo que para diferentes propósitos. Si bien es posible que no confíen en las respuestas fotorrealistas instantáneas del software de Autodesk entregado a través de la nube, que permite la representación casi instantánea de modelos complejos, y es posible que no tengan las mismas preocupaciones que Netflix o un gran sitio de comercio electrónico, la capa de cómputo es extreme y los beneficios provienen no solo del movimiento GPGPU, sino también del hecho de que está disponible para una nueva clase de usuarios.

¿Una evolución natural?

Si bien las GPU no se pueden virtualizar, todavía hay algunas empresas, incluidas PEER1 Hosting y Penguin Computing, que están llamando a sus servicios de GPU bajo demanda en la nube. Si bien parece ser una pérdida de tiempo discutir la cuestión de si esto es o no en la nube (supongamos que la parte bajo demanda es la esencia aquí de una vez por todas), estas empresas están listas para crecer dados los altos costos de ‘hardware.

Aunque los clústeres de GPU son generalmente menos costosos, en una era en la que los científicos y las empresas pueden acelerar sus aplicaciones y aprovecharlas a pedido, es difícil encontrar fallas en la predicción de que GPGPU llegará a algunos escenarios en los próximos años. tradicional de una manera mucho más amplia de lo que podríamos haber imaginado hace un par de años. Gupta sugiere que las compañías financieras y de petróleo y gas son dos de las bases de clientes potenciales más grandes que han expresado un interés en las capacidades de GPU «en la nube», pero se necesita tiempo para evaluar sus opciones.

Cuando se le preguntó si parecía que más empresas esperaban ofrecer GPU-as-a-Service, Gupta dijo que había hablado con varios proveedores de nube y que con aplicaciones más tradicionales disponibles, aplicaciones que se ejecutan en estaciones de trabajo y requieren importantes costos operativos: habrá un gran movimiento en su dirección. La incursión de Matlab y Autodesk en la era bajo demanda ya ha demostrado ser bastante efectiva, al menos desde el principio, por lo que el futuro está abierto a otras aplicaciones y proveedores para que intervengan y brinden a los usuarios la capacidad de aprovechar las suyas propias. nube. Después de todo, nada impide que esto suceda ahora.

Deberías compartir en tus redes sociales para que tus amigos lo lean

??? ? ? ???

Comparte