NVIDIA accélère les requêtes analytiques de Presto sur sa plateforme GPU GB200 NVL72

Dans un article destiné aux développeurs, NVIDIA explique comment l'accélération GPU du moteur SQL open source Presto sur la plateforme GB200 NVL72 permet d'exécuter des requêtes analytiques à faible latence sur de très grands jeux de données.

Qu'est-ce que Presto et pourquoi compte-t-il ?

Presto est un moteur SQL distribué open source, conçu à l'origine pour exécuter des requêtes interactives rapides sur d'immenses volumes de données, sans transfert préalable de ces données vers un entrepôt analytique dédié. Analystes et ingénieurs data y recourent lorsqu'ils doivent obtenir la réponse à une requête SQL en quelques secondes, et non au terme d'un long traitement batch, typique des outils big data classiques.

Ce qu'apporte l'accélération GPU

Selon NVIDIA, une fois ses calculs déportés sur l'infrastructure GPU GB200 NVL72, Presto atteint des performances de pointe précisément sur les charges analytiques à faible latence, c'est-à-dire dans les scénarios où la rapidité de réponse est déterminante face à de très grands volumes de données. Il ne s'agit pas de remplacer Presto par un nouveau produit, mais de permettre à ce même moteur SQL open source d'exploiter plus efficacement le GPU, en lieu et place des clusters CPU habituels. L'écart entre exécution CPU et exécution GPU des requêtes analytiques se creuse surtout en cas de forte concurrence : lorsque de nombreux analystes interrogent simultanément le même jeu de données massif et attendent une réponse en temps réel, plutôt qu'après une longue file de tâches batch.

C'est précisément pour ces scénarios à faible latence que NVIDIA positionne le duo Presto et GB200 NVL72.

• Presto : moteur SQL distribué open source pour les requêtes interactives sur le big data
• Plateforme d'accélération : NVIDIA GB200 NVL72, l'infrastructure GPU de l'entreprise
• Effet annoncé : des performances de pointe précisément sur les charges analytiques à faible latence
• Article publié sur le NVIDIA Developer Blog, à destination des développeurs et des ingénieurs data

Pourquoi NVIDIA pousse le GPU pour l'analytique

Cette publication s'inscrit dans la stratégie de NVIDIA, qui promeut le GPU non seulement pour l'entraînement et l'inférence des modèles d'IA, mais aussi pour l'analytique classique de bases de données. L'entreprise invite les développeurs à porter des moteurs SQL existants, comme Presto, sur des plateformes GPU telles que GB200 NVL72, plutôt que de compter uniquement sur l'extension des clusters CPU pour l'analytique interactive. Pour les équipes qui exploitent déjà GB200 NVL72 pour des charges d'IA, cette approche permet de mobiliser la même infrastructure pour les requêtes SQL analytiques, sans déployer de périmètre CPU distinct dédié aux données.

Le calcul économique se tient pour les organisations qui ont déjà investi dans des clusters GPU pour l'entraînement et l'inférence : au lieu de maintenir une infrastructure CPU réservée à l'analytique SQL, elles peuvent répartir charges analytiques et charges d'IA sur un même parc de serveurs GPU.

Ce que cela signifie

L'essor de versions accélérées par GPU d'outils open source populaires comme Presto montre que la bataille pour l'infrastructure data dépasse désormais l'entraînement des réseaux de neurones : NVIDIA positionne de plus en plus le GPU comme une plateforme de calcul universelle, non seulement pour l'IA, mais aussi pour la business intelligence quotidienne sur de très grands jeux de données. Pour l'ensemble du secteur, c'est un signal supplémentaire que la frontière entre infrastructure d'IA et infrastructure de données continue de s'estomper, et que les décisions d'achat de GPU tiennent de plus en plus compte non seulement de l'entraînement des modèles, mais aussi des charges SQL quotidiennes des équipes analytiques.

À qui ce duo profitera-t-il en priorité ?

Les principaux gagnants sont les équipes dont les requêtes analytiques sur le big data butent déjà sur la latence de l'infrastructure CPU, et dont les données sont trop volumineuses ou trop changeantes pour être préparées à l'avance dans un entrepôt distinct pour chaque rapport.