共计 1922 个字符，预计需要花费 5 分钟才能阅读完成。
GPU 小常识：
GPU（Graphics Processing Unit），中文名：图形处理器，曾用名：显卡。
1999 年，Nvidia（英伟达）公司“ZAO”了 GPU，这玩意除了极大的推动了基于 PC 的游戏市场倒退，还彻底改变了并行计算。
没想到二十年后，Nvidia 摇身一变成了高大上的 AI 计算公司，还用 GPU 绑架了整个人工智能圈子。
我有个客户，几年前新建了一个数据中心，通过 P2V 技术淘汰了大量 X86 物理服务器，间接在 IT 基础设施上胜利实现了服务器虚拟化转型，之后就快马加鞭的向云计算转型，而当下，又开始了人工智能转型。
随着智能商业时代的到来，一些大公司对于 AI 技术的关注和应用也疾速减少，这些企业都十分重视本身科技能力的构建。其中，搭建自有 AI 平台，赋能业务成了这些有实力企业的首选。我这个客户天然也不能免俗，洽购了大量的 GPU 服务器进行部署。
在落地 AI 场景的同时，客户也心愿对建设 GPU 资源池做一个评估。针对客户需要，做了一些功课。对于 AI，我仍然只是晓得一点皮毛，要说什么算法和模型，我是没戏的，然而能够把交换的学习心得分享一下。
GPU 以后次要利用于计算、图形和人工智能畛域。从 GPU 资源的虚拟化实现门路看，次要有三种技术计划。
VSGA（Virtual Shared Graphics Acceleration)，把物理 GPU 分享给多个桌面用户，每个 VDI 通过 SVGA 驱动调用虚拟化的 GPU 驱动程序，再来调用 GPU 的运算能力，这个属于典型的桌面虚拟化场景。
VDGA（Virtual Dedicated Graphics Acceleration），把物理 GPU 调配给一个指定的 VM，资源专用，这种模式也称为直通（Pass Through）模式，该计划具备比拟高的性能劣势，但老本绝对较高。
vGPU（Virtualized GPU），把一块物理 GPU 虚构成多块 vGPU 卡，每个 VM 都独占一块 vGPU，每个 vGPU 间接跟物理 GPU 对接。
事实世界的应用状况又是怎么的呢？
通过技术交换，发现传统行业大多数的 GPU 资源池案例都是 VDI 的桌面虚拟化利用场景，针对后盾服务器虚拟化的案例简直没有。在互联网行业，像百度这样在 AI 畛域比拟强的，用的都是自研的 GPU 服务器和资源调度平台。
真正的商业案例中，大量客户应用的还是基于 X86 物理服务器搭配 GPU 卡的形式来部署 AI 利用。
之后，对这个客户也做了相应的调研。客户现状：针对 AI 技术部署了独立的语音剖析、OCR 和人脸识别等多个平台，撑持整个公司对于 AI 场景的需要。（目前有 GPU 服务器：50 台 +，GPU 卡：180+，后续还有 200+的 GPU 卡扩容打算）。针对调研状况，也做个简要剖析。
利用场景：
目前 AI 技术次要为两种场景，训练（Training）和推理（Inference），从我这个客户的应用状况看，简直都是推理场景，绝对训练而言，对于 GPU 的算力的要求不是很高，这一点从用户的性能数据上也有体现。客户模型训练都是在供应商端进行的。
技术计划：
GPU 资源池只是一种概念，对于资源的状态来说，GPU 是物理的还是虚构的不是最重要的。从资源管理角度看，次要是思考利用效率、拜访性能、平安隔离等因素。
如果是物理服务器计划，下层最佳的部署模式的间接基于容器，然而现实情况是大多数用户的利用部署还是基于 PM 和 VM 的。另外，也能够思考基于服务器虚拟化+多 GPU 卡的计划，一个 VM 对应一个 GPU 卡的直通模式，然而利用密度显然受制于 GPU 卡的数量，如果这时再追加应用 vGPU 技术，仿佛计划在 VM 技术平台上就更完满了，当然容器嵌套 VM 的计划也是一种好的模式。
商务老本：
成熟的商业虚拟化软件是有软件许可费的，而 Nvidia 的 vGPU 技术也须要领取相应的软件许可费，这样每个 GPU 卡能够依据显存的不同配置，被切分为固定数量的 vGPU，在雷同数据物理 GPU 卡配置状况下，晋升 VM 的部署密度。
其余因素：
当然，目前的“AI 芯片”也不是只有 Nvidia 一家，国内的寒武纪和华为也都用相应的产品撑持 AI 利用，对于支流的 TensorFlow，Cafee 框架可能还能够，但对于其余框架和模型在反对上略显有余，还须要增强生态建设。毕竟连英伟达都宣称本人是一家软件研发公司。在这个 Software Define Anything 的时代，软实力才是真正贴近用户的硬实力。
对于建设后盾撑持 AI 算力的 GPU 资源池这件事，技术自身并不存在限度，是个具备规模效应的事件。如果规模大了，兴许百度的“孔明”平台就是一个须要达到的高度。至于其余私有云服务商，当初也都提供了相应的 GPU 服务，等有机会再去调研一下。
啥叫 Deep Learning？就是这种一直学习更新，还要用输入倒逼输出的形式！
