Для каких задач подходит облачный сервер с GPU

Анализ больших данных и моделирование процессов

В отраслях, где для получения консолидированного отчета, вывода или прогноза приходится обрабатывать огромные массивы сырых и обезличенных данных, сервера с GPU помогают решить три больших задачи:

1. Ускорить подготовку данных к обработке: очистку, преобразование, поиск структурных ошибок, удаление дублирующихся записей.
2. Сократить количество итераций и время на проверку качества наборов данных.
3. Анализировать многотерабайтные массивы информации целиком, не разбивая большой объем данных на более мелкие фрагменты и, соответственно, не жертвуя точностью результата.

Что важно, графические процессоры можно использовать для ускорения отдельных этапов и всего цикла анализа, от подготовки до визуализации. Причем для любой отрасли и любого типа данных. Например, для показателей температуры/влажности/кислотности с датчиков, сенсоров и IoT в промышленности или складской логистике. Для когортного анализа в маркетинге. Для прогнозирования объема продаж, корреляции количества возвратов и рекламаций, оценки остатков в ритейле.

Кому актуально: наш опыт показывает, что облачные серверы с GPU экономически эффективны при обработке big data в объеме более 150 Гб в сутки, и для компаний, которые на основании анализа принимают краткосрочные управленческие решения и строят долгосрочные стратегии развития.

Глубокое обучение нейронных сетей

Для нейронных сетей с тремя или более слоями глубокое обучение предполагает обработку гигантских массивов данных, причем не последовательно, а независимо друг от друга. Реализовать это на серверах с CPU можно, но дорого и долго.

Облачные сервера с GPU за счет массивно-параллельной технологии ускоряют обучение сети и, что еще важнее, уменьшают стоимость вычислений. То есть, произведение времени параллельного решения задачи на число используемых процессоров у виртуальных серверов с графическими процессами меньше, чем у серверов на многоядерных центральных процессорах. Это отражается на скорости и стоимости реализации проекта в целом.

Кому актуально: виртуальные серверы с GPU упростят обучения нейросетей для стартапов, развивающих технологии распознавания лиц или генерации изображений, научно-исследовательских институтов и команд, работающих над прикладными аспектами технологии в коммерческой разработке.

Обработка изображений и видео

Когда рендеринг требует скорости, GPU нет равных. Серверы с графическими процессорами запускают обработку одновременно десятков, а то и сотен потоков, поэтому широко используются для работы с потоковым видео, визуализации тяжелых медицинских, научных и прикладных графических данных.

В медицине, например, графические процессоры помогают обрабатывать томограммы и исследовать цифровые изображения срезов. На платформах медицинской визуализации они улучшают качество изображений, автоматизируют измерение размерных характеристик анатомических структур и образований. В цифровой хирургии вычислительные мощности GPU дают возможность оптимизировать аналитику потокового видео в 4K. Чтобы операционная бригада владела данными о состоянии пациента в реальном времени.

В сельском хозяйстве, метеорологии, гидрологии оборудование с GPU используют при обработке спутниковых снимков. «Сырые» изображения, которые получает Роскосмос, непригодны для оценки состояния лесов, контроля половодья рек, анализа почв и так далее. Чтобы метеорологи, гидрологи, собственники лесных земель и сельхозугодий получали информативные снимки, системы на базе серверов с GPU предварительно обрабатывают первичные данные: очищают их от шумов и артефактов, размечают, маркируют.

Кому актуально: разработчикам и пользователям 3D-медицинских платформ визуализации. Разработчикам новых медицинских приложений и исследователям, работающим над расширением диагностических возможностей существующих инструментов. Наукоемким проектам и технологическим стартапам в области геофизики, экологии, сейсмологии, сельского хозяйства, урбанистики и других прикладных направлений.

Создание виртуальных рабочих мест с поддержкой систем автоматизированного проектирования

Виртуальные серверы с GPU обеспечивают удаленным сотрудникам и подрядчикам производительность, необходимую для работы над BIM-моделями, визуализации архитектурных проектов в Autodesk Revit Architecture, черчения и моделирования в AutoCAD/ArchiCAD. С VDI на базе облачных ресурсов с GPU компании не нужно устанавливать дорогостоящие графические пакеты на каждый терминал. Достаточно арендовать сервер, чтобы синхронизировать географически распределенную команду и поддерживать совместную работу специалистов с коллекцией несовместимых программных средств.

Кому актуально: архитектурно-конструкторским бюро и застройщикам, дизайн-студиям, разработчикам и пользователям CAD-приложений, цифровых продуктов для инженерного анализа и решения статических и динамических задач. VDI на мощных серверах с графическими процессами упрощают дистанционную работу с программным пакетом САПР в строительстве, судо-, машиностроении и вообще в сегменте промышленного моделирования и реинжиниринга.

Почему именно облачные серверы?

У «железа» с GPU всего три недостатка — дорого, долго, а сейчас еще и дефицитно. Отсюда проблемы с поиском, поставкой, запуском, а потом и с масштабированием проекта.

Облачные серверы, арендованные у провайдера, в этом отношении имеют преимущества:

• Минимум времени на запуск. Выбрали тариф, заключили договор, и виртуальную машину можно настраивать под обработку данных. Некоторые проекты наши клиенты запускают в течение 1-2 недель.
• Тестовый период. Протестируйте сервер на стенде или запустите пилотный проект, по результатам которого уже сделаете выводы об эффективности сервиса. У нас в Nubes на тестовый период выделяется минимум 2 недели.
• Оптимизация затрат. Подбираете сервер с нужной мощностью и оплачиваете его столько, сколько развивается проект.  Закончили — отключили услугу.
• Гарантия доступности.  Арендуя виртуальный сервер с GPU, вы оплачиваете услугу с гарантией доступности сервиса. SLA регламентирует скорость реакции на запросы и инциденты, устанавливает компенсации за нарушение обязательств.
• Масштабирование по требованию. С ростом ресурсоемкости проекта вы можете добавлять вычислительные мощности по запросу. Без покупки, настройки и обслуживания дополнительного оборудования. Отправляете заявку — получаете нужную мощность.
• Обслуживание. Если вы разворачиваете виртуальный сервер с GPU у себя, вам придется администрировать оборудование и платформу виртуализации самостоятельно. В своих серверных приходится следить за температурой, расходом электроэнергии, чистотой помещений. При аренде виртуального сервера все эти рутинные задачи можно передать облачному провайдеру.
• Решение других ИТ-задач. В нашем случае в понятие «все эти рутинные задачи» входит и информационная безопасность: пользователям виртуальных серверов с GPU доступен полный набор встроенных инструментов киберзащиты NGcloud. В набор входит защита от DDoS-атак уровня L3/L4, сканер уязвимостей IP-адресов в режиме black box, сбор событий ИБ и форензика. Дополнительно провайдер помогает решить задачи резервного копирования и быстрого восстановления из бэкапа.

Помимо технических аспектов у виртуальных серверов с GPU есть и чисто экономические преимущества. Они снижают порог входа в области высокопроизводительных вычислений и позволяют бизнесу использовать передовые технологии без крупных вложений в IT-инфраструктуру.