El uso de GPU para acelerar las aplicaciones científicas y de ingeniería de uso general es una práctica generalizada en la actualidad, pero su adopción en los clústeres informáticos de alto rendimiento actuales se ve afectada principalmente por los costes de adquisición y el consumo de energía. Además, el uso de GPU es en general bajo, lo que hace que la inversión en hardware de GPU no se pueda amortizar rápidamente.
La virtualización de GPU es una estrategia atractiva para hacer frente a todos estos inconvenientes simultáneamente. Al aprovechar la virtualización de GPU, las GPU físicas se instalan solo en algunos nodos del clúster y se comparten de forma transparente entre todos los nodos. Por lo tanto, los nodos equipados con GPU se convierten en servidores que proporcionan servicios de GPU a todos los nodos del clúster. La virtualización de GPU conlleva el uso de un número menor de GPU en todo el clúster, lo que reduce los costes de adquisición y el consumo de energía, al tiempo que aumenta la tasa de utilización del acelerador permitiendo un uso más eficiente del hardware disponible.
rCUDA es la solución de virtualización de GPU remota desarrollada por el Grupo de Arquitecturas Paralelas de la Universitat Politecnica de Valencia . rCUDA permite el uso remoto simultáneo de dispositivos habilitados con CUDA de manera transparente, sin necesidad de modificar el código fuente de las aplicaciones para usar GPU remotas. Otra de sus ventajas es una muy pequeña sobrecarga al utilizar la GPU remota. En este sentido, el tiempo de ejecución generalmente se incrementa en menos del 4% cuando se utiliza una estructura de red de alto rendimiento.
Mas información http://www.rcuda.net/
Más información:
