در اولین روز کنفرانس فناوری GPU NVIDIA ، جنسن هوانگ ، بنیانگذار NVIDIA ، نقشه راه سه ساله DPU این شرکت را نشان داد که شامل خانواده جدید DPU های NVIDIA BlueField-2 و کیت توسعه نرم افزار NVIDIA DOCA برای ساخت برنامه های کاربردی بر روی خدمات زیرساختی مرکز داده شتاب گرفته توسط DPU است. مایکل کاگان، مدیر فناوری اطلاعات NVIDIA اخیراً در یک سخنرانی، به توضیح نسل بعدی مراکز داده کاملاً تلفیقی و چگونگی کمک ابر رایانه ها و هوش مصنوعی لبه ای در تقویت چنین ابتکاراتی پرداخت.کاگان اظهار داشت که پیشرفته ترین فناوری های NVIDIA و Mellanox فرصتی عالی برای ساخت کلاس جدیدی از رایانه ها ایجاد کرده اند، یعنی مراکز داده ابر کاملاً یکپارچه که برای کنترل حجم کار قرن ۲۱ طراحی شده اند.

انقلاب AI Cloud و Edge

از نظر تاریخی ، سرورها واحد محاسبات بودند، اما در نهایت، قانون مور کند شده است، زیرا عملکرد پردازنده های مرکزی نمی تواند تقاضای بار کاری را حفظ کند. به گفته کاگان، با انقلاب Cloud AI و رایانه های لبه ای، به جای یک سرور واحد، کل مرکز داده به واحد جدیدی از محاسبات تبدیل شده است که برای کنترل بارهای موازی طراحی شده است.

ابر رایانه از سه عنصر اساسی GPU ،DPU و CPU تشکیل شده است. ترکیبی از پردازنده ها، پردازنده های گرافیکی و پردازنده های داده نسل بعدی ابر رایانه را از لبه به مرکز داده ایجاد می کند. پردازنده برنامه را برای کار کنترل می کند. GPU با استفاده از قدرت هوش مصنوعی و یادگیری ماشین در تسریع در محاسبه بارهای کاری کمک می کند.به عبارت ساده تر ، GPU در پردازش داده های سنگین و DPU در تسریع وظایف فشرده داده کمک می کند. این بدان معنی است که GPU را با داده های به نسبت مناسب، که با قدرت پردازش GPU مطابقت دارد تغذیه می کند. DPU برای تفکیک منابع و ساختن یک مرکز داده ضروری است.محاسبات با کارایی بالا (HPC) و هوش مصنوعی از ابزارهای ضروری پیشرفت علم هستند. مراکز داده با سرعت پردازشگر گرافیکی عملکرد قابل توجهی را برای بارهای محاسباتی و گرافیکی ارائه می دهند، در هر مقیاس با سرورهای کمتر، در نتیجه بینش سریع تر و هزینه های چشمگیر کاهش می یابد.به گفته کاگان، NVIDIA GPU و فن آوری های شبکه، موتورهای مرکز داده مدرن محاسباتی با کارایی بالا هستند که هدف آنها ارائه عملکرد موفقیت آمیز و مقیاس پذیری است.به منظور رسیدگی به تقاضاهای روزافزون برای عملکرد بالاتر محاسبات و افزایش پیچیدگی مشکلات علمی، واحد پردازش داده جدید (DPU) ایجاد شد.

اختراع دوباره مرکز داده

کاگان در ادامه مراحل مهم برای بازآفرینی مرکز داده را مورد بحث قرار داد. اختراع مجدد مرکز داده شامل دو مرحله اصلی است. آن ها عبارت اند از:

۱. اختراع دوباره گره محاسبه – هر گره محاسبه می تواند میزبان چندین کانتینر در شبکه باشد. این شامل رابط شبکه (ConnectX NIC) ، پردازش داده ها (Bluefield-2 DPU) و هوش مصنوعی DPU (Bluefield-2X DPU) است.

۲. اختراع دوباره شبکه – این شامل Bits mover و fan-out پردازشگر داده است.

چالش های امنیتی در مراکز داده ابری مراکز داده سنتی سازمانی نرم افزارهای دارای مجوز را اجرا می کنند و اقدامات امنیتی منطقی کافی در برابر نرم افزارهای مخرب دارند. اما اکنون، مراکز داده ابری چالش های جدیدی را ارائه می دهند. برخلاف مراکز داده سنتی، در مراکز داده ابری هیچ کنترلی بر روی اقدامات وجود ندارد.بنابراین، حمایت سنتی تقریباً بی معنا شده است. این تغییر در کل الگوی امنیتی ایجاد می کند. مراکز داده ابری نسبت به نرم افزار سنتی به امنیت بیشتری نیاز دارند زیرا هر نرم افزار می تواند حاوی داده های مخرب باشد. کاگان همچنین اشاره کرد که امنیت مبتنی بر میزبان در طی ۳۰ سال با شکست های مختلفی روبرو شده است.

اختراع دوباره شبکه

کیگان در مورد شبکه صحبت کرد، توضیح داد که پروتکل جدیدی ساخته شده است، معروف به پروتکل تجمع و کاهش سلسله مراتب مقیاس پذیر (SHARP). ادعا می شود که پروتکل SHARP تأخیر مسطح را با عملکرد هفت برابر بیشتر در شبکه فراهم می کند و همچنین مقیاس پذیری محلول را به طرز چشمگیری افزایش می دهد.در آموزش مدل شبکه عصبی عمیق ، پروتکل SHARP با جایگزینی تمام سرورهای پارامترهای فیزیکی، تلفیق گرادیان را انجام می دهد. این پروتکل نه تنها عملکرد مدل AI را تسریع می کند بلکه باعث کوتاه شدن زمان آموزش می شود.

منبع خبر : Analyticsindiamag