NVIDIA تسرع استعلامات تحليلات Presto على منصة GPU GB200 NVL72

وصفت NVIDIA في مقالة موجهة للمطورين كيف يسمح تسريع GPU لمحرك SQL مفتوح المصدر Presto على منصة GB200 NVL72 بتنفيذ استعلامات تحليلية على مجموعات بيانات كبيرة جداً برسوف منخفضة.

ما هو Presto ولماذا يهم

Presto هو محرك SQL موزع مفتوح المصدر، تم إنشاؤه في الأصل لاستعلامات تفاعلية سريعة ضد مجموعات بيانات ضخمة دون نقل البيانات مسبقاً إلى مستودع تحليلي منفصل. تُستخدم الأداة عندما يحتاج المحلل أو مهندس البيانات إلى الحصول على إجابة لاستعلام SQL في ثوانٍ، وليس بعد المعالجة الدفعية الطويلة النموذجية لأدوات البيانات الضخمة الكلاسيكية.

ما يوفره تسريع GPU

وفقاً لـ NVIDIA، عند نقل حسابات Presto إلى البنية التحتية GPU GB200 NVL72، يوضح المحرك أداء ذروة بالضبط على أحمال العمل التحليلية منخفضة السرعة — أي في السيناريوهات حيث تهم سرعة الاستجابة عند العمل مع أحجام بيانات كبيرة جداً. هذا ليس عن استبدال Presto بمنتج جديد، بل عن جعل محرك SQL مفتوح المصدر نفسه يستخدم GPUs بكفاءة أكبر بدلاً من مجموعات CPU النموذجية. الفرق بين تنفيذ GPU و CPU للاستعلامات التحليلية محسوس بشكل خاص في السيناريوهات ذات الحمل المتزامن العالي — عندما يصل العديد من المحللين في نفس الوقت إلى نفس مجموعة البيانات الضخمة ويتوقعون استجابة في الوقت الفعلي بدلاً من انتظار قائمة طويلة من الوظائف الدفعية.

إنه بالضبط لهذه السيناريوهات منخفضة السرعة الذي تضع NVIDIA فيها مزيج Presto + GB200 NVL72.

• Presto — محرك SQL موزع مفتوح المصدر للاستعلامات التفاعلية على البيانات الضخمة
• منصة التسريع — NVIDIA GB200 NVL72، البنية التحتية GPU للشركة
• التأثير المعلن — أداء ذروة بالضبط على أحمال العمل التحليلية منخفضة السرعة
• تم نشر المادة في NVIDIA Developer Blog للمطورين ومهندسي البيانات

لماذا NVIDIA تعزز GPUs للتحليل

تستمر المادة في خط NVIDIA بتعزيز GPUs ليس فقط لتدريب واستدلال نماذج الذكاء الاصطناعي بل أيضاً لتحليل البيانات الكلاسيكية. تقدم الشركة للمطورين خيار ترحيل محركات SQL الموجودة بالفعل مثل Presto إلى منصات GPU مثل GB200 NVL72 بدلاً من الاعتماد فقط على توسيع نطاق مجموعات CPU للتحليل التفاعلي. بالنسبة للفريق الذي يستخدم بالفعل GB200 NVL72 لأحمال عمل الذكاء الاصطناعي، فإن هذا النهج يعني القدرة على استخدام نفس البنية التحتية للاستعلامات SQL التحليلية دون نشر خط CPU منفصل للبيانات. هذا النهج منطقي اقتصادياً للمنظمات التي استثمرت بالفعل في مجموعات GPU لتدريب واستدلال نماذج الذكاء الاصطناعي: بدلاً من الحفاظ على بنية تحتية CPU منفصلة حصراً لتحليل SQL، يحصلون على القدرة على توزيع أحمال العمل التحليلية والذكاء الاصطناعي عبر نفس مجموعة خوادم GPU.

ماذا يعني هذا

يوضح تطوير إصدارات مسرعة بـ GPU من أدوات مفتوحة المصدر الشهيرة مثل Presto أن المنافسة على البنية التحتية للبيانات تتجاوز تدريب الشبكات العصبية: يتم تحديد GPUs بشكل متزايد من قبل NVIDIA كمنصة حوسبة عالمية ليس فقط للذكاء الاصطناعي بل أيضاً لتحليل الأعمال اليومي على مجموعات بيانات كبيرة جداً. بالنسبة للصناعة ككل، هذه إشارة أخرى بأن الحد بين البنية التحتية للذكاء الاصطناعي والبنية التحتية للبيانات يستمر في الطمس، وتُتخذ قرارات شراء GPU بشكل متزايد مع مراعاة ليس فقط تدريب النماذج بل أيضاً أحمال عمل تحليل SQL اليومية. بالنسبة إلى NVIDIA، فهذه أيضاً طريقة لإظهار أن محرك Presto مفتوح المصدر مع تسريع GPU المُعدّ بشكل صحيح ليس مجرد بديل رخيص بل أداة عمل لسيناريوهات تحليلية حقيقية.

من يستفيد أكثر من هذه المجموعة

في المقام الأول، تستفيد الفريق من مثل هذا التسريع حيث تصل الاستعلامات التحليلية على البيانات الكبيرة بالفعل إلى حدود السرعة من البنية التحتية CPU، والبيانات نفسها كبيرة جداً أو متقلبة جداً لتحضيرها مسبقاً في مستودع منفصل لكل تقرير معين.