NVIDIA accélère les requêtes analytiques Presto sur la plateforme GPU GB200 NVL72

NVIDIA a décrit dans un article destiné aux développeurs comment l'accélération GPU du moteur SQL open source Presto sur la plateforme GB200 NVL72 permet d'effectuer des requêtes analytiques sur de très grands ensembles de données avec une faible latence.

Qu'est-ce que Presto et pourquoi c'est important

Presto est un moteur SQL distribué open source, créé à l'origine pour les requêtes interactives rapides sur de grands ensembles de données sans pré-transférer ces données vers un entrepôt analytique séparé. L'outil est utilisé lorsqu'un analyste ou un ingénieur de données a besoin d'obtenir une réponse à une requête SQL en quelques secondes, et non après un long traitement par lot typique des outils big data classiques.

Ce que l'accélération GPU fournit

SelonNVIDIA, lors du transfert des calculs Presto vers l'infrastructure GPU GB200 NVL72, le moteur démontre des performances de pointe précisément sur les charges de travail analytiques à faible latence — c'est-à-dire dans les scénarios où la vitesse de réponse importe lorsqu'on travaille avec de très grands volumes de données. Il ne s'agit pas de remplacer Presto par un nouveau produit, mais de rendre le même moteur SQL open source plus efficace avec les GPU au lieu des clusters CPU typiques. La différence entre l'exécution GPU et CPU des requêtes analytiques est particulièrement perceptible dans les scénarios avec une charge concurrente élevée — lorsque de nombreux analystes accèdent simultanément au même ensemble de données gigantesque et attendent une réponse en temps réel plutôt que d'attendre une longue file de travaux par lot.

C'est précisément pour ces scénarios à faible latence que NVIDIA positionne la combinaison Presto + GB200 NVL72.

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

Pourquoi NVIDIA promeut les GPU pour l'analyse

Le matériel poursuit la ligne de NVIDIA de promotion des GPU non seulement pour l'entraînement et l'inférence de modèles IA, mais aussi pour l'analyse classique des bases de données. L'entreprise offre aux développeurs de migrer les moteurs SQL existants comme Presto vers des plates-formes GPU comme GB200 NVL72 plutôt que de dépendre uniquement de la mise à l'échelle des clusters CPU pour l'analyse interactive. Pour les équipes utilisant déjà GB200 NVL72 pour les charges de travail d'IA, une telle approche signifie la possibilité de tirer parti de la même infrastructure pour les requêtes SQL analytiques sans déployer une ligne CPU séparée pour les données.

Une telle approche est économiquement logique pour les organisations qui ont déjà investi dans des clusters GPU pour l'entraînement et l'inférence de modèles IA : au lieu de maintenir une infrastructure CPU séparée exclusivement pour l'analyse SQL, elles obtiennent la capacité de distribuer les charges de travail analytiques et IA sur le même pool de serveurs GPU.

Ce que cela signifie

Le développement de versions accélérées par GPU des outils open source populaires comme Presto montre que la concurrence pour l'infrastructure de données s'étend au-delà de l'entraînement des réseaux de neurones : les GPU sont de plus en plus positionnés par NVIDIA comme une plate-forme de calcul universelle non seulement pour l'IA, mais aussi pour l'analyse commerciale quotidienne sur de très grands ensembles de données. Pour l'industrie dans son ensemble, c'est un autre signal que la frontière entre l'infrastructure IA et l'infrastructure de données continue à s'estomper, et les décisions d'achat de GPU sont de plus en plus prises en tenant compte non seulement de l'entraînement des modèles, mais aussi des charges de travail d'analyse SQL quotidiennes. Pour NVIDIA, c'est aussi un moyen de montrer qu'un moteur Presto open source avec une accélération GPU correctement configurée n'est pas seulement une alternative bon marché, mais un outil de travail pour des scénarios analytiques réels.

Qui bénéficie le plus de cette combinaison

Plus que tout, les équipes bénéficient d'une telle accélération lorsque les requêtes analytiques sur de grandes données heurtent déjà les limites de latence de l'infrastructure CPU, et lorsque les données elles-mêmes sont trop volumineuses ou volatiles pour les pré-préparer dans un entrepôt séparé pour chaque rapport spécifique.