Какие рабочие нагрузки выгодно разместить в публичном облаке с GPU?

Какие рабочие нагрузки выгодно разместить в публичном облаке с GPU? 6 Августа 2018

GPU-инстансы помогают компаниям получить преимущества от размещения более интенсивных вычислительных нагрузок в публичном облаке. Но какие именно приложения подходят для этих типов виртуальных серверов?

Поскольку крупные провайдеры облачных вычислений борются за долю на рынке, они постоянно расширяют разнообразие типов облачных услуг, которые они предлагают. Например, теперь пользователи могут развертывать экземпляры, имеющие доступ к графическим процессорам, что особенно полезно для интенсивных вычислений, таких как искусственный интеллект.

Конкуренция между лидирующими облачными провайдерами в сфере облачных вычислений с помощью графического процессора (graphic processing unit - GPU) только набирает обороты. Azure в декабре 2016 года представила свои виртуальные машины N-Series, которые работают на базе графических процессоров Nvidia, а в сентябре 2016 года Amazon Web Services разработали новый тип инстанса - Amazon Elastic Cloud Compute P2, в который также входят графические процессоры Nvidia. Google, со своей стороны, в феврале 2017 года сообщил, что Google Compute Engine и Cloud Machine Learning будут поддерживать использование GPU.

Российский облачный провайдер Cloud4Y в начале 2017 года объявил о доступности новой услуги «GPU (Облачная Графика) Графические процессоры в Облаке». Платформа построена на базе производительных видеокарт NVIDIA® Tesla® M60 с супербыстрым хранилищем и позволяет получить отличную производительность при работе с самыми ресурсоемкими приложениями — AutoCAD, 3DS Max, Maya и многие другие. Cloud4Y использует новейшую платформу виртуализации VMware, полностью поддерживающую графические ускорители без необходимости использовать решения третьих фирм.

Перед развертыванием одного подобного облачного сервера с GPU важно понимать типы приложений и рабочих нагрузок, которые они лучше всего поддерживают. Эти рабочие нагрузки включают:

Приложения для бизнес-аналитики, которые предлагают массовые параллельные вычисления, работают эффективнее при использовании графических процессоров. Hadoop-подобные приложения с обработкой данных, которая может быть распределена на большое число элементарных заданий между множеством узлов или ядер, соответствуют этому типу. Публичное облако предлагает бизнес-модель с оплатой в соответствии с объемом потребляемых ресурсов и с возможностью обрабатывать переменные рабочие нагрузки (cloud bursting). Эти возможности особенно важны, например, в розничной торговле, где пользователям требуется аналитические отчеты в течение нескольких минут, а рабочая нагрузка имеет пики в разное время.

Работа по производству видео-контента также выигрывает от облачного GPU, потому что это связано с большими объемами рендеринга и редактирования в реальном времени.

Искусственный интеллект (AI) все еще находится в зачаточном состоянии, но наличие готового доступа к GPU обеспечивает возможность проверки масштабируемости без огромных затрат. Это стимулирует рост ИИ-стартапов и открывает новые возможности для различных отраслей промышленности, начиная от здравоохранения и биотехнологий, до применения в сфере военных технологий и автомобилей с автопилотом.

Инфраструктура виртуального рабочего стола (VDI) также может получить ускорение в развитии благодаря GPU-инстансам. Например, Google анонсировал будущую доступность графических процессоров AMD FirePro, предназначенных для высокопроизводительных VDI, в Google Compute Engine.

Суперкомпьютеры уже были доступны небольшим научным организациям через высокопроизводительные облака, которые могли значительно ускорить проекты. Облачные GPU-серверы помогут получить знания суперкомпьютеров на уровне бакалавриата, принося пользу академическим исследованиям.

Инженерное моделирование, например, используемое в нефтегазовой и автомобильной промышленности, также будет зависеть от графических процессоров в облаке. Производители автомобилей полагаются на моделирование и симуляции, которые могут быть очень трудоемкими, но GPU устраняют необходимость в портативных прикладных кластерах обработки данных, снижая затраты на анализ и обычно ускоряя проекты.

FPGA-инстансы

Эффект облачных Программируемых пользователем вентильных матриц (FPGA) несколько сложнее. В целом, вычисления на базе FPGA могут обеспечить огромную производительность для одного, узко определенного варианта использования. Технология все еще молода, и основной упор делается на ускорение конкретных вычислительных задач, таких как сжатие и шифрование. По мере её созревания, идея использования виртуальных машин на основе FPGA будет следовать той же кривой восприятия (adoption curve), что и графические процессоры, а организации смогут использовать недорогую песочницу для экспериментов.

Источник перевода: https://searchcloudcomputing.techtarget.com/answer/Which-workloads-benefit-from-GPU-instances-in-the...