從GPU資源的虛擬化實(shí)現(xiàn)路徑看

GPU小常識(shí)：

GPU（Graphics Processing Unit），中文名：圖形處理器，曾用名：顯卡。

1999年，Nvidia（英偉達(dá)）公司“ZAO”了GPU，這玩意除了極大的推動(dòng)了基于PC的游戲市場(chǎng)發(fā)展，還徹底改變了并行計(jì)算。

沒想到二十年后，Nvidia搖身一變成了高大上的AI計(jì)算公司，還用GPU綁架了整個(gè)人工智能圈子。

我有個(gè)客戶，幾年前新建了一個(gè)數(shù)據(jù)中心，通過P2V技術(shù)淘汰了大量X86物理服務(wù)器，直接在IT基礎(chǔ)設(shè)施上成功完成了服務(wù)器虛擬化轉(zhuǎn)型，之后就馬不停蹄的向云計(jì)算轉(zhuǎn)型，而當(dāng)下，又開始了人工智能轉(zhuǎn)型。

隨著智能商業(yè)時(shí)代的到來，一些大公司對(duì)于AI技術(shù)的關(guān)注和使用也快速增加，這些企業(yè)都非常注重自身科技能力的構(gòu)建。其中，搭建自有AI平臺(tái)，賦能業(yè)務(wù)成了這些有實(shí)力企業(yè)的首選。我這個(gè)客戶自然也不能免俗，采購了大量的GPU服務(wù)器進(jìn)行部署。

在落地AI場(chǎng)景的同時(shí)，客戶也希望對(duì)建立GPU資源池做一個(gè)評(píng)估。針對(duì)客戶需求，做了一些功課。對(duì)于AI，我依然只是知道一點(diǎn)皮毛，要說什么算法和模型，我是沒戲的，但是可以把交流的學(xué)習(xí)心得分享一下。

GPU當(dāng)前主要應(yīng)用于計(jì)算、圖形和人工智能領(lǐng)域。從GPU資源的虛擬化實(shí)現(xiàn)路徑看，主要有三種技術(shù)方案。

VSGA（Virtual Shared Graphics Acceleration)，把物理GPU分享給多個(gè)桌面用戶，每個(gè)VDI通過SVGA驅(qū)動(dòng)調(diào)用虛擬化的GPU驅(qū)動(dòng)程序，再來調(diào)用GPU的運(yùn)算能力，這個(gè)屬于典型的桌面虛擬化場(chǎng)景。

VDGA（Virtual Dedicated Graphics Acceleration），把物理GPU分配給一個(gè)指定的VM，資源專用，這種模式也稱為直通（PassThrough）模式，該方案具有比較高的性能優(yōu)勢(shì)，但成本相對(duì)較高。

vGPU（Virtualized GPU），把一塊物理GPU虛擬成多塊vGPU卡，每個(gè)VM都獨(dú)占一塊vGPU，每個(gè)vGPU直接跟物理GPU對(duì)接。

現(xiàn)實(shí)世界的應(yīng)用狀況又是怎樣的呢？通過技術(shù)交流，發(fā)現(xiàn)傳統(tǒng)行業(yè)大多數(shù)的GPU資源池案例都是VDI的桌面虛擬化應(yīng)用場(chǎng)景，針對(duì)后臺(tái)服務(wù)器虛擬化的案例幾乎沒有。在互聯(lián)網(wǎng)行業(yè)，像百度這樣在AI領(lǐng)域比較強(qiáng)的，用的都是自研的GPU服務(wù)器和資源調(diào)度平臺(tái)。真正的商業(yè)案例中，大量客戶使用的還是基于X86物理服務(wù)器搭配GPU卡的方式來部署AI應(yīng)用。

之后，對(duì)這個(gè)客戶也有做了相應(yīng)的調(diào)研?？蛻衄F(xiàn)狀：針對(duì)AI技術(shù)部署了獨(dú)立的語音分析、OCR和人臉識(shí)別等多個(gè)平臺(tái)，支撐整個(gè)公司對(duì)于AI場(chǎng)景的需求。（目前有GPU服務(wù)器：50臺(tái)+，GPU卡：180+，后續(xù)還有200＋的GPU卡擴(kuò)容計(jì)劃）。針對(duì)調(diào)研情況，也做個(gè)簡(jiǎn)要分析。

應(yīng)用場(chǎng)景：

目前AI技術(shù)主要為兩種場(chǎng)景，訓(xùn)練（Training）和推理（Inference），從我這個(gè)客戶的使用情況看，幾乎都是推理場(chǎng)景，相對(duì)訓(xùn)練而言，對(duì)于GPU的算力的要求不是很高，這一點(diǎn)從用戶的性能數(shù)據(jù)上也有體現(xiàn)?？蛻裟Ｐ陀?xùn)練都是在供應(yīng)商端進(jìn)行的。

技術(shù)方案：

GPU資源池只是一種概念，對(duì)于資源的形態(tài)來說，GPU是物理的還是虛擬的不是最重要的。從資源管理角度看，主要是考慮利用效率、訪問性能、安全隔離等因素。

如果是物理服務(wù)器方案，上層最佳的部署形式的直接基于容器，但是現(xiàn)實(shí)情況是大多數(shù)用戶的應(yīng)用部署還是基于PM和VM的。另外，也可以考慮基于服務(wù)器虛擬化＋多GPU卡的方案，一個(gè)VM對(duì)應(yīng)一個(gè)GPU卡的直通模式，但是應(yīng)用密度顯然受制于GPU卡的數(shù)量，如果這時(shí)再追加使用vGPU技術(shù)，似乎方案在VM技術(shù)平臺(tái)上就更完美了，當(dāng)然容器嵌套VM的方案也是一種好的形式。

商務(wù)成本：

成熟的商業(yè)虛擬化軟件是有軟件許可費(fèi)的，而Nvidia的vGPU技術(shù)也需要支付相應(yīng)的軟件許可費(fèi)，這樣每個(gè)GPU卡可以根據(jù)顯存的不同配置，被切分為固定數(shù)量的vGPU，在相同數(shù)據(jù)物理GPU卡配置情況下，提升VM的部署密度。

其他因素：

當(dāng)然，目前的“AI芯片”也不是只有Nvidia一家，國(guó)內(nèi)的寒武紀(jì)和華為也都用相應(yīng)的產(chǎn)品支撐AI應(yīng)用，對(duì)于主流的TensorFlow，Cafee框架可能還可以，但對(duì)于其他框架和模型在支持上略顯不足，還需要加強(qiáng)生態(tài)建設(shè)。畢竟連英偉達(dá)都聲稱自己是一家軟件研發(fā)公司。在這個(gè)Software Define Anything的時(shí)代，軟實(shí)力才是真正貼近用戶的硬實(shí)力。

關(guān)于建立后臺(tái)支撐AI算力的GPU資源池這件事，技術(shù)本身并不存在限制，是個(gè)具有規(guī)模效應(yīng)的事情。如果規(guī)模大了，也許百度的“孔明”平臺(tái)就是一個(gè)需要達(dá)到的高度。至于其他公有云服務(wù)商，現(xiàn)在也都提供了相應(yīng)的GPU服務(wù)，等有機(jī)會(huì)再去調(diào)研一下。

啥叫Deep Learning？就是這種不斷學(xué)習(xí)更新，還要用輸出倒逼輸入的方式！

責(zé)任編輯：lq