AI時(shí)代 GPU數(shù)據(jù)庫(kù)或成趨勢(shì)
2019-04-17 10:36:01 中關(guān)村在線CPU驅(qū)動(dòng)的數(shù)據(jù)庫(kù)老矣
傳統(tǒng)數(shù)據(jù)庫(kù),如Oracle、DB2,往往由CPU提供驅(qū)動(dòng)力。而CPU為通用型處理器,采用串行架構(gòu),擅長(zhǎng)邏輯計(jì)算,負(fù)責(zé)不同類型種類的數(shù)據(jù)處理及訪問(wèn),同時(shí)邏輯判斷又需要引入大量分支跳轉(zhuǎn)中斷處理,這使得CPU的內(nèi)部結(jié)構(gòu)復(fù)雜。也因此,CPU算力的提升主要靠堆核來(lái)實(shí)現(xiàn)。
隨著云計(jì)算、大數(shù)據(jù)、AI、物聯(lián)網(wǎng)等技術(shù)應(yīng)用,數(shù)據(jù)在近幾年呈指數(shù)型增長(zhǎng),IDC統(tǒng)計(jì)顯示全球90%數(shù)據(jù)均在近幾年產(chǎn)生,這便對(duì)CPU的處理能力提出考驗(yàn),而目前CPU的物理工藝、核心數(shù)已接近極限,數(shù)據(jù)量卻不會(huì)停止,對(duì)硬件平臺(tái)的處理訪問(wèn)能力也不會(huì)停止。因此,在AI時(shí)代下,由傳統(tǒng)CPU驅(qū)動(dòng)的數(shù)據(jù)庫(kù)已不能滿足需求。
GPU數(shù)據(jù)庫(kù)風(fēng)頭正盛
不同于CPU,GPU采用并行計(jì)算模式,單卡核心數(shù)達(dá)到上千個(gè),擅長(zhǎng)處理密集型運(yùn)算應(yīng)用,如圖形渲染、計(jì)算視覺(jué)和機(jī)器學(xué)習(xí)。由此,從2015年起,GPU數(shù)據(jù)庫(kù)也成為硅谷的投資熱點(diǎn),經(jīng)過(guò)3年有余的驗(yàn)證,GPU已被證實(shí)的確適用于AI時(shí)代。
GPU數(shù)據(jù)庫(kù)的優(yōu)勢(shì)
相比由CPU驅(qū)動(dòng)的數(shù)據(jù)庫(kù),采用GPU驅(qū)動(dòng)的數(shù)據(jù)庫(kù)在性能、成本及能耗方面均具備優(yōu)勢(shì)。
首先在性能上,得益于上千的處理核心,GPU數(shù)據(jù)庫(kù)比CPU驅(qū)動(dòng)的數(shù)據(jù)庫(kù)性能提高10-100倍;而在硬件成本上,雖然單個(gè)GPU平臺(tái)高于單個(gè)CPU平臺(tái),但總體GPU平臺(tái)部署數(shù)量遠(yuǎn)少于CPU平臺(tái),總體硬件成本降至十分之一;同樣,單個(gè)GPU平臺(tái)在能耗上超過(guò)單個(gè)CPU平臺(tái),但平臺(tái)數(shù)的減少也使得總體能耗降低。
GPU數(shù)據(jù)庫(kù)創(chuàng)企
3年時(shí)間里,全球也誕生了幾家GPU數(shù)據(jù)庫(kù)公司,如MapD,總部位于舊金山,產(chǎn)品為GPU OLAP database,基于C++開發(fā)的MapD數(shù)據(jù)庫(kù)核心,開源遵循GPL3協(xié)議;Kinetica,同樣位于舊金山,提供商業(yè)智能分析和可視化技術(shù)實(shí)現(xiàn)海量數(shù)據(jù)的處理,并支持Google Cloud、AWS,Azure;SQream,以色列公司,采用閉源代碼,目前已獲阿里支持,并已在阿里云適用。
結(jié)語(yǔ)
互聯(lián)網(wǎng)時(shí)代,中國(guó)錯(cuò)失了數(shù)據(jù)庫(kù)市場(chǎng),AI時(shí)代,能否用GPU數(shù)據(jù)庫(kù)趕上呢?
EETOP 官方微信
創(chuàng)芯大講堂 在線教育
半導(dǎo)體創(chuàng)芯網(wǎng) 快訊
相關(guān)文章