vGPU - उपयोग को अनदेखा नहीं किया जा सकता है

जून-जुलाई में, लगभग दो दर्जन कंपनियों ने हमारी ओर रुख किया जो आभासी GPU की क्षमताओं में रुचि रखते थे। Cloud4Y का "ग्राफिक्स" पहले से ही Sberbank की सबसे बड़ी सहायक कंपनियों में से एक द्वारा उपयोग किया जा रहा है, लेकिन सामान्य तौर पर यह सेवा बहुत लोकप्रिय नहीं है। इसलिए, इस तरह की गतिविधि ने हमें बहुत प्रसन्न किया। प्रौद्योगिकी में बढ़ती रुचि को देखते हुए, हमने vGPU के बारे में कुछ और बात करने का निर्णय लिया।

"प्रयोगों की झीलें" वैज्ञानिक प्रयोगों और अनुसंधान, दीप लर्निंग और एआई के साथ काम के अन्य क्षेत्रों, बड़े और जटिल वस्तुओं के मॉडलिंग के परिणामस्वरूप प्राप्त की जाती हैं - यह सब एक उच्च-प्रदर्शन हार्डवेयर की आवश्यकता है। खैर, अगर यह है और आपको वर्तमान समस्याओं को जल्दी से हल करने की अनुमति देता है। यह सिर्फ कार्यों की बढ़ती कम्प्यूटेशनल जटिलता (मुख्य रूप से व्यापार विश्लेषिकी, प्रतिपादन, डीएल एल्गोरिदम और चौखटे के लिए) के कारण है, डेस्कटॉप और यहां तक ​​कि सर्वर सीपीयू की हार्डवेयर क्षमता लगातार बेकार होती जा रही है।

इसका समाधान GPU कंप्यूटिंग के उपयोग में पाया गया था। यह ग्राफिक्स त्वरण तकनीक कई आभासी कंप्यूटरों के बीच एक GPU के संसाधनों को साझा करने में सक्षम बनाता है। GPU को मूल रूप से ग्राफिक्स के साथ काम करने के लिए डिज़ाइन किया गया था, क्योंकि इसमें समानांतर कार्यों के कुशल प्रसंस्करण के लिए उपयोग किए जाने वाले हजारों छोटे कोर शामिल हैं। उसी समय, अधिकांश संसाधन-गहन गणना का हिस्सा GPU पर किया जाता है, सीपीयू बाकी लेता है।



GPU कंप्यूटिंग का आविष्कार एनवीडिया ने 2007 में किया था। आज यह तकनीक एक नए स्तर पर पहुंच गई है और इसका उपयोग सबसे बड़े उद्यमों और वैज्ञानिक प्रयोगशालाओं के डेटा केंद्रों में किया जाता है। हालांकि, पारंपरिक दृष्टिकोण में एक महत्वपूर्ण दोष है: भौतिक उपकरणों की खरीद बहुत महंगा है। और अगर आप "लोहा" के अप्रचलन की गति को याद करते हैं, तो यह और भी दुखी हो जाता है।

समस्या वर्चुअल ग्राफिक प्रोसेसर की तकनीक को हल करने के लिए डिज़ाइन की गई है: vGPU। इसके साथ, उपयोगकर्ता ऑटोकैड, 3 डीएस मैक्स, माया, सोनी वेगास प्रो जैसे भारी अनुप्रयोगों को दूरस्थ रूप से लॉन्च कर सकते हैं। वर्चुअलाइजेशन ने तेजी से अपने बाजार में हिस्सेदारी हासिल की। आखिर, रूसी डेटा-वैज्ञानिक एनवीडिया टेस्ला वीडियो कार्ड पर तेजी से कंप्यूटिंग पसंद नहीं करते हैं?

यहां यह ध्यान देने योग्य है कि vGPU के आगमन से पहले, ग्राफिक्स प्रोसेसिंग त्वरण के अन्य तरीकों का उपयोग किया गया था: वर्चुअल साझा ग्राफिक्स त्वरण (vSGA) और वर्चुअल समर्पित ग्राफिक्स त्वरण (vDGA)। VGPU समाधान दोनों प्रौद्योगिकियों का सबसे अच्छा संयोजन करता है। जैसा कि vSGA के मामले में, vGPU परिवेश में, GPU और RAM को कई वर्चुअल डेस्कटॉप के बीच साझा किया जाना चाहिए, लेकिन प्रत्येक VM, GPU के लिए सीधे कमांड भेजता है, जैसा कि vDGA के साथ होता है।

मुझे vGPU की आवश्यकता क्यों है?

VGPU का उपयोग करके क्लाउड कंप्यूटिंग कंपनियों को उन कार्यों से निपटने की अनुमति देता है जो पहले हल करना असंभव था। या शायद, लेकिन इसके लिए संसाधनों की अवास्तविक मात्रा की आवश्यकता थी। 1 आधुनिक जीपीयू सर्वर 100 पारंपरिक सीपीयू की जगह ले सकता है। अन्य, और भी प्रभावशाली आंकड़े हैं । ये कोई चुटकुले नहीं हैं: एनवीडिया सॉल्यूशंस क्लासिक सीपीयू सर्वरों की तुलना में कई गुना तेज डेटा की प्रक्रिया करते हैं। और वही Google क्लाउड GPU के साथ वर्चुअल मशीन प्रदान करता है जो 960 teraflops तक जारी करता है।

कई पेशेवरों को शक्तिशाली उपकरणों की आवश्यकता होती है जो समानांतर कंप्यूटिंग प्रदर्शन कर सकते हैं। आर्किटेक्ट और इंजीनियर डिजाइन सिस्टम (उदाहरण के लिए एक ही ऑटोडेस्क) में vGPU तकनीक का उपयोग करते हैं। डिजाइनर डिजिटल फोटो और वीडियो सामग्री (फोटोशॉप, कोरलड्रॉव) के साथ काम करते हैं। जीपीयू के साथ आभासी मशीनों को भी चिकित्सा सुविधाओं की आवश्यकता होती है जो रोगी और रोग डेटा को जमा और विश्लेषण करती हैं। GPU और Yandex के साथ काम करता है।

सब कुछ सोचो? कोई फर्क नहीं पड़ता कि कैसे। प्रौद्योगिकी का उपयोग स्वचालित रूप से उपग्रह छवियों की सटीकता की जांच करने के लिए , और महामारी विज्ञान , मौसम विज्ञान के अध्ययन , सौर चक्रों के मॉडलिंग और व्यावसायिक खुफिया जानकारी के लिए किया जाता है । ThisIsZolden द्वारा Unity3D में मॉडलिंग के बारे में एक अच्छा लेख भी है।

इस सब के लिए, vGPU पर आधारित समाधानों को अभी तक दुनिया में व्यापक वितरण नहीं मिला है। इसलिए, 2018 में, NetApp ने अपने काम में GPU का उपयोग करने वाली कंपनियों के बीच एक सर्वेक्षण किया। परिणामों से पता चला कि 60% संगठन अभी भी अपने स्वयं के आईटी बुनियादी ढांचे पर काम करते हैं। "क्लाउड" का उपयोग केवल 23% द्वारा किया जाता है। रूस में, क्लाउड कंप्यूटिंग तकनीक का प्रवेश कम महत्वपूर्ण है। लेकिन नए हार्डवेयर और सॉफ्टवेयर समाधानों के लिए धन्यवाद, GPU के साथ आभासी मशीनों का उपयोग करने वाली कंपनियों की संख्या लगातार बढ़ रही है।

वीजीपीयू समाधान

कई कंपनियां ग्राफिक्स त्वरक के लिए वर्चुअलाइजेशन प्रौद्योगिकियों के विकास में शामिल हैं, लेकिन उनमें से निस्संदेह नेता हैं।

सबसे सम्मानित क्लाउड समाधान डेवलपर्स में से एक, VMware कंपनियों को ESXi हाइपरवाइज़र प्रदान करता है, जिसके तहत आभासी GPU की गति नंगे धातु कार्यान्वयन के बराबर होती है। हाल ही के एक अपडेट में, डेवलपर ने vMotion लोड बैलेंसर को निष्क्रिय कर दिया और DirectPath I / O तकनीक के लिए समर्थन जोड़ा, जो CUDA ड्राइवर को हाइपरवाइज़र को दरकिनार करके VM को जोड़ता है और डेटा ट्रांसफ़र को गति देता है।

एनवीडिया भी बाजार की उम्मीदों को पूरा करने की कोशिश कर रहा है, और इसके लिए ओपनसोर्स प्लेटफॉर्म रैपिड्स जारी किया। समाधान CUDA वास्तुकला के साथ काम करने के लिए कई पुस्तकालयों को जोड़ता है, जो तंत्रिका नेटवर्क के प्रशिक्षण के दौरान डेटा के साथ काम करना सरल करता है और आपको पायथन कोड के साथ काम को स्वचालित करने की अनुमति देता है। XGBoost मशीन लर्निंग एल्गोरिदम के साथ रैपिड्स का उपयोग करना सीपीयू-आधारित सिस्टम पर प्रदर्शन में 50 गुना वृद्धि प्रदान करता है।

एएमडी की अपनी तकनीक है। मंच को आरओसीएम कहा जाता है। यह SR-IOV तकनीक का उपयोग करता है, जो कई वर्चुअल मशीनों के बीच एक भौतिक डिवाइस की हार्डवेयर क्षमताओं को साझा करता है। एक त्वरक के संसाधनों को सोलह उपयोगकर्ताओं के बीच विभाजित किया जा सकता है, उनमें से प्रत्येक के लिए समान प्रदर्शन बनाए रखा जा सकता है। यह क्लाउड सीपीयू और जीपीयू के बीच डेटा ट्रांसफर को गति देता है। HIP नामक एक विशेष C ++ बोली का भी उपयोग किया जाता है, जो GPU पर गणितीय कार्यों के कार्यान्वयन को सरल बनाता है।

इंटेल क्रॉस-प्लेटफॉर्म हाइपरवाइजर Citrix XenServer 7 के आधार पर अपनी तकनीक का निर्माण कर रहा है, जिसे 2017 में अनुरूपता का FSTEC प्रमाण पत्र मिला। समाधान एक मानक जीपीयू चालक और एक आभासी मशीन के काम को जोड़ता है। यही है, "virtualka" उपयोगकर्ताओं के एक बड़े (कई सौ) उपकरणों पर भारी अनुप्रयोगों के संचालन का समर्थन कर सकता है।

बाजार की संभावनाएं

स्वतंत्र विश्लेषकों का अनुमान है कि एचपीसी समाधानों की बिक्री 2022 तक $ 45 बिलियन तक पहुंच जाएगी। प्लेटफ़ॉर्म डेवलपर्स भी उच्च-प्रदर्शन प्रणालियों की मांग में वृद्धि की उम्मीद करते हैं। यह अपेक्षा बिग डेटा की लोकप्रियता से प्रबलित है और अक्सर बड़ी मात्रा में डेटा को संसाधित करने की आवश्यकता होती है।

इसके अलावा, vGPUs की बढ़ती मांग हाइब्रिड प्रौद्योगिकियों के विकास को प्रोत्साहित कर सकती है जो एक डिवाइस में जीपीयू और सीपीयू को जोड़ती है। ऐसे एकीकृत समाधानों में, दो प्रकार के कोर एक सामान्य कैश का उपयोग करते हैं, जो ग्राफिक्स और पारंपरिक प्रोसेसर के बीच डेटा के हस्तांतरण को गति देता है।

हाइब्रिड ने मौलिक रूप से वर्चुअलाइजेशन और डेटा सेंटरों के भीतर वर्चुअल संसाधनों के वितरण के दृष्टिकोण को बदल दिया। और आरओसीएम और रैपिड्स जैसे ओपन सोर्स सॉल्यूशंस डेटा सेंटर ऑपरेटरों को उपकरण के प्रदर्शन को और अधिक कुशलता से उपयोग करने की अनुमति देते हैं।

एक और राय है। उदाहरण के लिए, उस आभासी GPU को डेटा की फोटॉन कोडिंग के साथ ऑप्टिकल चिप्स द्वारा बदल दिया जाएगा। इस तरह के समाधान पहले से मौजूद हैं और मशीन सीखने के लिए उपयोग किए जाते हैं। इसके अलावा, वे एक नियमित GPU की तुलना में अधिक उत्पादक लगते हैं। लेकिन तकनीक अभी भी नम है।

क्या निष्कर्ष निकाला जा सकता है? एनालॉग्स के संभावित उद्भव के बावजूद, vGPU एक काफी आशाजनक क्षेत्र है जो बड़ी संख्या में समस्याओं को हल कर सकता है। लेकिन यह हर किसी के अनुकूल नहीं है। तो आप हेडर में एक अल्पविराम लगा सकते हैं।

पुनश्च
हमारे टेलीग्राम चैनल को सब्सक्राइब करें ताकि कोई और आर्टिकल याद न हो! हम सप्ताह में दो बार से अधिक और केवल व्यापार पर नहीं लिखते हैं।