Ugawaji wa GPU wa Mifumo mingi
Multi-Instance GPU (MIG) ni teknolojia ya NVIDIA inayogawanya GPU moja halisi katika sehemu nyingi za maunzi zilizotengwa.
Muhtasari
It matters because it lets one expensive accelerator serve many small workloads at once without them interfering with each other.
Dive ya kina
Ilianzishwa na NVIDIA A100 (Ampere) na kuendelea kwenye H100 na GPU mpya zaidi za kituo cha data, MIG huchonga GPU katika hadi matukio saba huru. Tofauti na upunguzaji wa muda wa programu, MIG hutoa utengaji wa maunzi halisi: kila mfano hupata vichakataji vingi vya utiririshaji vilivyojitolea (SMs), vipande vya kache vya L2, vidhibiti vya kumbukumbu, na kipande kisichobadilika cha kumbukumbu ya kipimo data cha juu. A100 yenye 40GB inaweza kugawanywa katika matukio saba ya 5GB, au machache zaidi. Kila kizigeu kinafanya kazi kama GPU ndogo inayojitegemea, kwa hivyo kazi yenye kelele au inayoanguka katika hali moja haiwezi kufa njaa au kufisidi nyingine. Ubora wa huduma huu uliohakikishwa hufanya MIG kuwa bora kwa huduma ya makisio, makundi ya wapangaji wengi, na mazingira ya usanidi ambapo watumiaji wengi hushiriki kadi moja.
Ufahamu wa Kiufundi
MIG hufanya kazi kwa kuweka upau wa ndani wa GPU ili kila mfano uwe na njia isiyobadilika ya kipande chake cha kumbukumbu na SM. NVIDIA inafafanua wasifu kama visehemu kama vile 1g.5gb (kipande kimoja cha kukokotoa, 5GB) hadi 7g.40gb. Mfano wa GPU huhifadhi kumbukumbu na SMs; ndani yake Compute Instance inagawanya SMs zaidi. Kwa sababu vizuizi vinatekelezwa na maunzi, hitilafu, hitilafu za ECC, na kipimo data cha kumbukumbu hukaa kwa tukio moja.
Athari za kimkakati
Cost and budget
Maamuzi ya usanifu huendesha utendaji na gharama ya uendeshaji kwa miaka.
Maamuzi ya wazi zaidi
Elimu ya kiufundi husaidia timu kuchagua safu sahihi, sio tu mpya zaidi.
Quality control
Chaguo bora za uhandisi hupunguza matukio ya kuaminika katika uzalishaji.
Mustakabali wa Ugawaji wa GPU wa Mifumo mingi
Kadiri GPU zinavyokua hadi 80GB, 141GB, na zaidi, ugawaji unakuwa wa kuvutia zaidi kwa sababu ni nadra miundo mahususi kuhitaji kadi nzima kwa makisio. Tarajia Kubernetes kali zaidi na ujumuishaji wa wingu, ugawaji upya unaobadilika bila kuondoa nodi, na wasifu ulioboreshwa zaidi. Wachuuzi wanaoshindana wanafuatilia uboreshaji wa GPU sawa na wa SR-IOV, na majukwaa ya uelekezaji yasiyo na seva yanazidi kutegemea kugawanya ili kufunga miundo mingi kwa wingi na kukata upotevu usio na kazi.
Utekelezaji wa Ulimwengu Halisi
Mtoa huduma za wingu hugawanya A100 moja katika matukio saba ili wateja saba kila mmoja apate kipande cha GPU cha uhakika, kilichotengwa kwa ajili ya makisio.
Kundi la utafiti wa chuo kikuu humpa kila mwanafunzi wa PhD mfano wa 10GB MIG kwa uchapaji badala ya kuhodhi kadi nzima.
Huduma ya makisio hupakia modeli kadhaa za lugha na maono kwenye H100 moja, kila moja katika sehemu yake yenye hali ya kusubiri inayoweza kutabirika.
Kundi la Kubernetes hutangaza matukio ya MIG kama rasilimali zinazoweza kuratibiwa ili maganda yaombe 'nvidia.com/mig-1g.5gb' kama rasilimali nyingine yoyote.
Hatari & Walinzi
Kuboresha kiwango kimoja kunaweza kuficha udhaifu mkubwa wa mfumo.
Gharama za miundombinu na matengenezo mara nyingi hupunguzwa.
Mapengo ya usalama na uonekanaji yanaweza kukua kadiri mifumo inavyozidi kuwa ngumu.
Ramani ya Utekelezaji
Bainisha muda, ubora na malengo ya gharama kabla ya utekelezaji.
Benchmark chini ya mzigo halisi na hali ya data.
Ufuatiliaji wa ala kwa makosa, kuteleza, na athari za mtumiaji.
Tayarisha njia za urejeshaji na majibu ya matukio kabla ya kuongeza ukubwa.
Endelea Kuchunguza
Free newsletter
Get the daily AI briefing
Three verified AI stories every weekday morning, written in plain English. Free forever, no ads.
One email each weekday. Unsubscribe in one click. We never sell or share your address.
Test yourself
Take the Multi-Instance GPU Partitioning quiz
Instant feedback on every answer, and a shareable certificate with a verifiable ID once you pass a course.
Support free AI education. AI Understanding is a 501(c)(3) nonprofit — no ads, no paywall, ever. Make a donation
Mwongozo unaofuata
Kujifunza kwa Kazi nyingi
Maswali yanayoulizwa mara kwa mara
What is Multi-Instance GPU Partitioning?
Multi-Instance GPU (MIG) ni teknolojia ya NVIDIA inayogawanya GPU moja halisi katika sehemu nyingi za maunzi zilizotengwa. Ni muhimu kwa sababu huruhusu kiongeza kasi kimoja cha gharama kubwa kuhudumia mizigo midogo mingi kwa wakati mmoja bila wao kuingiliana.
Ni aina gani ya kutengwa ambayo MIG hutoa kati ya matukio?
MIG hutekeleza kutengwa kwa maunzi, kuweka SMs, vipande vya kache vya L2, na kumbukumbu kwa kila tukio ili mzigo wa kazi usiingiliane.
MIG ilianzishwa kwa usanifu gani wa NVIDIA kwa mara ya kwanza?
MIG ilianza kutumia A100 yenye msingi wa Ampere na kuendelea kwenye H100 na baadaye GPU za kituo cha data.
Je, ni idadi gani ya juu zaidi ya matukio ambayo GPU yenye uwezo wa MIG inaweza kugawanywa katika?
GPU yenye uwezo wa MIG kama vile A100 inaweza kugawanywa katika hadi matukio saba huru.
Katika wasifu wa MIG kama '1g.5gb', '5gb' inawakilisha nini?
Wasifu husimba vipande vya kukokotoa (1g) na kumbukumbu iliyojitolea (5GB) iliyotolewa kwa mfano.
Ni mzigo gani wa kazi ambao MIG inafaa haswa?
MIG hung'aa wakati mizigo mingi midogo, iliyotengwa (kama makisio) inashiriki kadi moja yenye ubora wa huduma iliyohakikishwa.