人工智能&大数据：加速GPU在数据中心领域的应用
发布时间：2017-12-15 10:07

随着数据需求工作负载渗透到数据中心并覆盖传统的CPU性能，GPU各供应商已经为数据中心补充了全新的设备和显示卡。

自70年代以来，图形处理单元最初被用于从中央处理器处理视频和图形处理任务。与典型的CPU相比，这些系统具有不同的底层设计，GPU是为在单一数据流上最大化高速流水线上吞吐量而构建的。CPU也被设计为支持快速切换，并将信息从一个地方快速移动到另一个地方，如从主存储到某一存储系统。然而GPU具有不同的结构：它们可以并行处理并支持多个高速连接。这些微处理器有多组数据路径进行大量的数据处理，这与图形应用程序的需求非常吻合。

扩展数据中心GPU应用范围

首先，这些产品开始进入高性能计算领域。然而最近，GPU供应商专门为数据中心服务器设计了设备和显示卡产品。专为服务器优化的GPU使用高带宽内存，并作为模块集成到专用服务器设计中，或作为外围组件互连快速（Peripheral Component Interconnect Express）附加卡的方式提供。但是，与游戏显卡不同，这些显示卡并未提供图形化界面。

服务器各供应商将GPU与CPU连接起来，以充分利用CPU的优势。当CPU性能无法满足处理数据密集型任务时，会提高CPU（与GPU的集成）性能（满足任务需要）。

GPU在数据中心领域的应用

数据中心GPU的应用将来可能会不断深入。GPU是任务关键型工作负载的重要基础设施特性。Priestley说，IT组织可推行采购商品化的GPU，并且借助标准库的使用，他们可以很容易地将其纳入应用程序。

因此，服务器各供应商提供集成GPU模块的专用服务器或支持GPU附加卡的产品。据Gartner公司的调查，面向服务器优化的GPU显卡和使用性能最高的处理器的模块通常的成本在1，000美元到5，000美元之间。

戴尔同时支持AMD公司的FirePro系列GPU以及Nvidia公司的GPU，专为虚拟台式基础设施和计算应用而设计，并具有支持高达1792个GPU核心的处理能力。Hewlett Packard Enterprise（HPE）ProLiant系统可与Nvidia Tesla，Nvidia GRID和Nvidia Quadro GPU协同工作。HPE Insight集群管理实用程序（HPE Insight Cluster Management Utility）将安装并配置GPU驱动程序，可提供如温度等GPU运行状况的监控。