EO_477

TECH INSIGHT ACCELERATED COMPUTING 27 - ELETTRONICA OGGI 477 - APRILE 2019 Uno sguardo dall’interno Gli esperti nelle tecnologie di calcolo ad alte prestazioni stanno supportando lo sviluppo di nuove piattaforme, che sfruttano l’accelerazione hardware all’interno di architetture eterogenee che comprendono combinazioni flessibili di CPU convenzionali, unità di elaborazione grafica (GPU) e FPGA (Field-Programmable Gate Array). Sta emergendo una nuova generazione di acceleratori di calcolo che sfrutta i singoli punti di forza di ogni tipo di processore per fornire miglioramenti significativi in termini di prestazioni, consumi e compattezza. Chris Kachris, CEO della società InAccel , membro dello Xilinx Alliance Program, spiega che le soluzioni eterogenee di calcolo basate su acceleratori hardware come gli FPGA stanno diventando le principali piattaforme per l’esecuzione efficiente dell’analisi dei dati. “I tipici processori non possono supportare la maggiore complessità di calcolo che caratterizza le applicazioni di analisi”, dichiara, “mentre un FPGA è in grado di fornire al contempo la flessibilità dei processori, grazie all’utilizzo di moduli pronti per l’uso, e le prestazioni dei chip specializzati”. InAccel, società membro dello Xilinx Alliance Program, crea acceleratori ad alte prestazioni per uso come IP per l’apprendimento automatico, per applicazioni finanziarie o di altro tipo, tra cui gli acceleratori per applicazioni basate su Apache Spark. Questi acceleratori possono essere integrati all’interno di soluzioni IaaS basate su FPGA come ad esempio le istanze Amazon AWS EC2 F1, il cloud server di Huawei accelerato da FPGA (FACS), le istanze Alibaba Elastic Compute (ECS) F2 o le schede PCIE FPGA installate a livello locale di Xilinx, Advantech , Bittware e altri. Gli acce- leratori migliorano le prestazioni delle applicazioni con funzione critica e riducono i costi operativi per i clienti. “Gli FPGA sono in grado di fornire prestazioni di gran lunga superiori rispetto ad altre piattaforme e sono inoltre adattabili per soddisfare requisiti e supportare algoritmi futuri”, aggiunge Kachris. “Noi possiamo far funzionare gli FPGA ricorrendo alle librerie, senza la necessità di modificare le applicazioni originali”. Una piattaforma di calcolo eterogenea Brad Kashani di Bigstream fornisce maggiori dettagli sui tipi di carichi di lavoro che si adattano alle GPU e agli FPGA. “Operazioni come la moltiplicazione tra matrici dense o con requisiti di memoria molto elevati potrebbero essere appropriate per le GPU”, afferma. “D’altra parte, le operazioni fra matrici sparse, le operazio- ni SQL come il filtraggio, l’unione, o l’ordinamento, o le applicazioni che comportano la manipolazione dei formati dei dati, sono meglio supportate dagli FPGA, tra l’altro. Gli FPGA forniscono la flessibili- tà necessaria per catturare in modo efficiente un gran numero di operazioni di analisi di dati. Inoltre, abbiamo incrementato con successo l’accelerazio- ne tramite gli FPGA in modalità in linea, elaboran- do i dati direttamente dalla scheda di interfaccia di rete (NIC) senza l’intervento della CPU. Questa mo- dalità fornisce le migliori prestazioni che abbiamo mai osservato, riducendo al contempo le variazio- ni della latenza all’interno del sistema”. Laddove i requisiti relativi a grandi quantità di dati richiedono una soluzione che gira su un cluster di macchine, un’architettura eterogenea consente di eseguire compiti complessi e ripetitivi senza ricorrere alla CPU principale. È così possibile ottimizzare un acceleratore con- figurabile, come un FPGA. Il CEO e co-fondatore di Vitesse Data , CK Tan, spiega come la sua azienda abbia messo in pratica quest’approccio per accelerare ulteriormente le prestazioni della propria soluzione Deepgreen DB, una variante di Greenplum che è svariate volte più veloce rispetto all’alternativa open source. “Molte applicazioni di analisi richiedono l’esecuzione di SQL su database MPP, e i clienti esigono le massime pre- stazioni possibili. C’è un limite alla densità di CPU integrabili in un cluster, ed è abbastanza chiaro che le CPU da sole non riescono a soddisfare la necessità di aggregati sempre più veloci di strumenti di business intelligence e d’interrogazioni OLAP ad hoc”. Usando gli FPGA come acceleratori si libera la CPU, che può operare in parallelo su altre interrogazioni, migliorando la reattività generale del sistema. “Questo ci ha permesso di quadruplicare le risorse di calcolo disponibili all’interno del cluster senza aumentarne l’ingombro. Tutto ciò si accorda bene con l’esigenza di ricavare più intelligenza e analisi dai dati aziendali” CK Tan spiega inoltre come l’accelerazione sia effettivamente trasparente agli utenti finali. “I clienti di Greenplum possono passare a Deepgreen semplicemente sostituendo il software del database, e possono rendere immedia- tamente le proprie applicazioni più veloci sullo stesso hardware. Inoltre, il cliente può far girare il sistema a una velocità ancora superiore aggiungendo delle schede FPGA all’interno delle macchine; Deepgreen DB userà le risorse supplementari per incrementare ulteriormente le prestazioni”. Il Cloud Server Huawei accelerato con FPGA (FACS) è una piattaforma che consente agli utenti di sviluppare, installare e pubblicare nuovi servizi e applicazioni su Cloud Pubblico Huawei sfruttando la tecnologia FPGA