现如今,GPU对企业级越发重要,虚拟化可以更好地帮助企业充分合理分配GPU资源给更多、更需要的用户,而NVIDIA在此方面的技术尝试更是可圈可点!
5年前,NVIDIA推出了GPU虚拟化。如今NVIDIA GRID从软硬一体到单纯的软件,从一个只能支持一个明确固定型号的GPU,到现在能够高效支持最新Tesla系列的所有GPU;从针对图形图像进行支持来解决客户在使用图形图像时的重负载应用时如何在数据中心部署的问题,到如今在虚拟GPU上实现GPU计算部分能力的业务,可谓创新无限。
NVIDIA GPU虚拟化在vGPU 7.0发布之前,其解决方案最最主要的一个功能就是用户购买一个性能非常强劲的GPU,可以对这个GPU进行切割后分配给很多用户用,但这就会产生一个疑问,一个性能很强劲的物理GPU经过切割后,性能是否会有损失?是不是有一些对GPU性能要求较高的用户不适合做虚拟化呢?
所以到了7.0以后,将多个物理GPU虚拟化后分配给某一个用户就成为现实。也可以说,现在的解决方案会比之前更加灵活,符合vGPU解决方案发展的趋势,通过虚拟化的技术手段满足了更多用户不同场景的需求。
例如,越来越多人工智能应用选择在数据中心中进行训练,训练完成后还要上线推理;与智能音箱进行沟通完成语音识别时,后台会有GPU服务器进行支撑等,当大量GPU数据中心需要被管理起来的时候,需要具备数据中心的特性是传统纯物理的GPU做不到的,只有采用虚拟化的手段弥补在数据中心有一些特性缺失才行,务必不断增强GPU在数据中心的特殊性。
对此,NVIDIA GPU虚拟化高级解决方案架构师张洁表示,目前,NVIDIA的虚拟GPU产品包括三款旨在应对数字化工作环