Photo-K - Fotolia

Die Evolution der GPU-Virtualisierung hin zur Mainstream-Plattform

Virtuelle GPUs kommen derzeit vor allem in VDI-Umgebungen groß in Mode. Zukünftig dürften aber auch Netzwerk- und Storage-Workloads davon profitieren.

GPUs bieten Systemen einen enormen Leistungszuwachs für Applikationen, die parallelisiert berechnet werden können, um so den Vorteil hunderter kleiner Rechenkerne ausnutzen zu können. Populäre Anwendungsfälle wären zum Beispiel die Grafikberechnung in all ihren Spielarten, wissenschaftliche Berechnungen oder auch Data Processing, was auch Big Data Analytics einschließen würde.

Viele dieser Einsatzgebiete richten sich an die Cloud, aber durch die typischerweise damit verbundenen Leistungsanforderungen und die Code-Komplexität ist dies nicht allzu leicht umzusetzen und hinkt allgemeineren Computing-Aufgaben in der Cloud hinterher. Eine Schlüsselrolle kommt hierbei NVIDIAs vGPU-Produkt GRID zu, mit dem sich erstmals GPUs virtualisiert als vGPUs verwenden ließen, deren Ressourcenzuweisung der physischen GPU über eine spezielle Software durchgeführt wird.

NVIDIA GRID: vGPU-Pionier in der Cloud

Die neuen Möglichkeiten von NVIDIA GRID führten zu Cloud-Initiativen von Adobe und auch NVIDIA selbst. Adobe veröffentlichte eine Cloud-basierte Version seiner Videobearbeitungs-Suite und ließ das bis dahin verfügbare Einzelprodukt auslaufen. Damit veränderte sich die typische Konfiguration zur Videobearbeitung von einer teuren Workstation mit ebenso teuren Lizenzkosten für die Software hin zu einem vergleichsweise günstigen Tablet, mit dem auf eine virtuelle Workstation in der Adobe-Cloud zugegriffen wird.

NVIDIA bietet mittlerweile eine Art GPU-Cloud an, mit der Entwickler testweise erste Schritte in Richtung GPU- und vGPU-Programmierung gehen können. Inzwischen bieten auch AWS und andere Cloud-Betreiber ähnliche GPU-Instanzen an, wodurch vGPU inzwischen durchaus als Mainstream-Plattform bezeichnet werden kann. High-Performance Computing dagegen hat den Schritt in die Cloud noch nicht so radikal vollzogen wie die GPU-Virtualisierung, durch die Virtualisierung haben sich die Einstiegskosten aber immerhin so weit verringert, dass Forschungsprojekte ohne Zugang zu Supercomputern über die Cloud zu neuen Ressourcen kommen können.

Anfang 2016 ist auch AMD mit seiner FirePro-basierten MxGPU-Plattform in den GPU-Markt eingestiegen, hat aber einen eher hardwarebasierten Weg gewählt, um Probleme mit der Mandantenfähigkeit zu lösen, nicht NVIDIAs Weg über Software. Zumindest in der Theorie werden damit Sicherheitsprobleme auf der gleichen Ebene adressiert wie bei einer CPU, die mandantenfähige virtuelle Maschinen bedient. AMD beansprucht gegenüber NVIDIA Kosten- und Performance-Vorteile, was sich in der Vergangenheit aber letztlich immer als Aufholjagd des einen gegenüber dem anderen und als geschickte Benchmark-Strategie erwiesen hat.

Die AMD-Produkte ebnen nun den Weg für die Open Compute Language, neben NVIDIAs CUDA eine Anwendungssprache für Parallel Computing in der Cloud zu werden. In der Zukunft dürfen wir also auch hier eine harte Konkurrenz und fallende Preise erwarten.

VDI populärster Anwendungsfall für die GPU-Virtualisierung

Derzeit ist einer der populärsten Anwendungsfälle für die GPU-Virtualisierung die Desktop-Virtualisierung in VDI-Umgebungen (Virtual Desktop Infrastructure). Wir erleben gerade einen Umschwung im Markt, durch den Unternehmen mobile Endgeräte verwenden, anstatt eine große Anzahl an Desktop-PCs zu kaufen und zu warten. Diese mobilen Geräte verwenden dann einen Browser, um auf Cloud-basierte virtuelle Desktops zuzugreifen. Über vGPUs lässt sich die Benutzererfahrung entsprechender virtueller Desktops inzwischen fast auf das Niveau lokaler Desktops steigern.

Big Data Analytics folgt bei der Popularität GPU-basierter Workloads gleich nach VDI. Hadoop-Workloads beispielsweise lassen sich über GPUs hervorragend abarbeiten, für diese Zwecke werden zukünftig also Public und Hybrid-Cloud gleichermaßen mit virtuellen GPUs ausgestattet werden.

Weitere Artikel zur GPU-Virtualisierung:

GPU-Virtualisierung in VDI-Umgebungen.

GPU-Virtualisierung mit NVIDIA, Intel und AMD.

GPU-Virtualisierung – endlich bereit für den Enterprise-Einsatz?

Auch die Forschung daran, wie sich GPUs für Komprimierung, Deduplizierung und Erasure Coding bei Storage- und Netzwerk-Services verwenden lassen, erhält mehr und mehr Relevanz. Immerhin dürften SSDs mit Übertragungsraten von 10 Gigabyte pro Sekunde innerhalb eines Jahres auf dem Markt sein, 200 Gigabit Ethernet ist für 2018 zu erwarten. CPUs können mit diesen Geschwindigkeiten immer schwieriger Schritt halten und auch die Hardwarebeschleunigung ist hierfür nicht flexibel genug. Hierfür virtuelle GPUs zu verwenden könnte ein Weg sein, diese Probleme zu lösen und ein Dilemma Software-definierter Infrastrukturen zu lösen.

Die GPU-Virtualisierung ist noch immer eine recht neue Technologie, so dass zukünftig noch viele neue Funktionen und Leistungsverbesserungen zu erwarten sind. AMDs FirePro MxGPUs beispielsweise unterstützen derzeit lediglich VMwares Hypervisor ESXi, während NVIDIA GRID auch XenServer unterstützt. Intel wiederum lauert gewissermaßen im Hintergrund mit einem Produkt, das dem von NVIDIA ähnelt, aber KVM und XenServer unterstützt. Im Endeffekt unterscheiden sich die unterschiedlichen vGPU-Produkte lediglich darin, wie unterschiedliche Klassen oder Ressourcen verteilt werden. Auf Support-Seite kann man langfristig eine große Übereinstimmung erwarten, während die Frage von Hardware oder Software bei der Kontrolle mandantenfähiger Umgebungen als zentrales Unterscheidungsmerkmal für AMD bleiben wird.

Die kommende IoT-Explosion (Internet of Things) und die darauf folgende Notwendigkeit, die unzähligen unstrukturierten Daten zu verarbeiten, wird GPU-Instanzen noch wichtiger machen und GPUs auf Servern endgültig zum Durchbruch verhelfen.

Folgen Sie SearchDataCenter.de auch auf Twitter, Google+, Xing und Facebook!

Artikel wurde zuletzt im November 2016 aktualisiert

Erfahren Sie mehr über Server- und Desktop-Virtualisierung

- GOOGLE-ANZEIGEN

ComputerWeekly.de

Close