NVIDIA集成AI超算中心经验，打造AI就绪型数据中心

tegong588o

看点：NVIDIA AI 部署宝典：数据中心必看，一并搞定算力、散热、功率难题。



传统数据中心向人工智能（AI）转型已是大势所趋。
一方面，从智能客服、智能安防、智能风控、智能运维到智能质检，愈加丰富的智能化应用致使存储需求呈现指数级增长，并对数据中心的算力提出新的挑战。
  w7 {  w7 _1 H1 ~1 s3 ~2 C2 O& E2 B另一方面，AI 正打破传统数据中心的管理和运营模式，完成更为精准的系统调优、故障预判等任务，替代更多人力，减少能耗和资源浪费，更大程度释放生产力。
作为 AI 时代的基础设施，AI 硬件正成为越来越多数据中心扩容建设的关键所在。尤其是能源、银行、保险、制造、电信、医疗等重度存储用户，急需加速 AI 的基础架构方案。
; C: K" s. l: ~当超强计算力成为数据中心的刚需，NVIDIA GPU 凭借强大的并行计算和浮点能力突破了深度学习的算力瓶颈，成为 AI 硬件的首选。
0 e: y2 d, c- E0 e9 U2 M3 t4 y( ]6 Y然而，对于许多传统数据中心而言，部署包含 AI 硬件的基础设施，需要耗费许多时间与人力。
对此，NVIDIA 基于 GPU 软硬件生态系统，提供了一站式交付节点解决方案 DGX POD。
这一方案可以大大节省构建基础设施所花费的时间，帮助数据中心轻松快速进行 AI 部署，为扩展多 GPU 服务器节点提供更多支持。
4 F7 L1 [( T4 Q8 D本期的智能内参，我们推荐《NVIDIA DGX POD 数据中心参考设计》白皮书，从传统数据中心的 AI 转型之困着手，结合 DGX POD 的应用实例，解读 NVIDIA DGX POD 交付节点的核心亮点，为亟待快速转型 AI 的数据中心架构师，以及准备构建 AI 就绪型数据中心提供参考。如需查阅此白皮书《NVIDIA DGX POD 数据中心参考设计》，可直接点击左下方的“阅读原文”下载。
以下为智能内参整理呈现的干货：
9 F" y0 Q, x& h$ o

9 k! Z+ H! \$ S( M1 z& O数据中心 AI 转型遭遇困局
  i5 Z: @) N8 q' X

大数据、AI 与云计算等新兴技术卷起新的浪潮，在各类数据中心中形成连锁反应。海量数据处理任务涌入数据中心，面对人工智能应用的训练和推理，令传统的CPU 服务器难以招架。
" ^! L) T- Y9 S% v; i: p深度学习算法属于计算密集型算法，与 NVIDIA GPU 计算架构十分契合。过去 CPU 需要花数十天完成的计算任务，通用 GPU 只用几小时就能完成，这大幅提升深度学习等并行处理数据方法的计算效率，使得以 GPU 为基础的设备日渐成为各大数据中心进行深度学习训练的首选。
然而，即便部署了强大的硬件设备，也不意味着数据中心的 AI 转型计划就万事俱备了，还有一个关键问题摆在眼前——架构设计。
) m# z% P: V4 o0 r* x4 P2 ~* H+ S数据中心需要考虑的因素远不止算力，还需兼顾网络、存储、电源、散热、管理和软件等方面问题。
硬件组合不是简单粗暴的积木堆叠，并不是说计算节点越多，性能就会随之线性增长。其计算性能会受制于高速互联网络，一旦出现数据拥堵，整机系统的效率都可能被拖累。另外，过多计算硬件堆叠，可能导致功耗过大，不利于日后的运营。
因此，数据中心必须思考如何打造了降本增效的最佳方式，将各种硬件资源协同组合，在稳定安全的状态下，以超低延迟和高带宽访问数据集。
# p5 p3 m! t  ^% F, J5 C& O这对于缺乏 AI 部署经验的传统数据中心而言，无疑是个不小的挑战。如果 DIY GPU 计算节点，不仅需要耗费人力和时间成本，还要考虑计算、存储、交换机等各种硬件设备的集成兼容问题。
对于这一痛点，NVIDIA 提供了一个颇有吸引力的解决方案。
+ A  Y7 K! C/ P( v* r, L它通过与领先的存储、网络交换技术提供商合作，提供一系列 DGX POD 数据中心交付节点设计参考架构，将 NVIDIA 长期积累的超大规模数据中心 AI 部署经验，转化为可复制方案，无论是大中小型数据中心，均可以直接参考使用。
3 G: O/ P& ?  x" d! H6 R

7 J8 G  Z$ q+ Q! l5 m- V, ONVIDIA AI 超级计算机构建经验转换
7 c4 E, Z/ x7 C2 s/ ?0 n
: r! x% X9 W1 i" ]+ z+ K
! a% o( V4 u0 G: t% h8 ^DGX POD 交付节点（Point of Delivery）是一种经优化的数据中心机架，包含多台 DGX-1 或 DGX-2 服务器、存储服务器和网络交换机等最佳实践。

▲ DGX POD 参考架构正面图
2 a8 p& S1 r$ V) M' ^2 \这是 NVIDIA 构建大量超大规模 GPU 加速计算节点的经验之集大成者。NVIDIA 曾建立了大型的 AI 数据中心，包含数千台领先的 DGX 服务器加速计算节点。
今年6月，NVIDIA 宣布推出全球速度排名第22位的超级计算机 DGX SuperPOD，为企业快速部署自动驾驶汽车项目，提供同等大小的超算无法匹敌的 AI 性能。
! w: t! j( N5 t. k8 a, O6 V" M7 Y/ PSATURNV 亦是 NVIDIA 基于 DGX 系统构建的 AI 超级计算机，支持自动驾驶汽车、机器人、显卡、HPC 等多领域的 NVIDIA 内部 AI 研发。早在2016年推出之际，DGX SATURNV 就登上 Green 500 超算榜第一，被评为全球最经济高效的超算，整体运算速度位列第28位，是最快的 AI 超算。
基于使用 SATURNV 所遵循的设计原则和架构，NVIDIA 在短短三周内就打造出一套基于 NVIDIA DGX-2 配置的全新系统 DGX SuperPOD。近期 NVIDIA 借助一套基于 DGX-2 的配置在 MLPerf 基准测试中创下六项 AI 性能记录。
在将 DGX SATURAN 打造成所有企业都可复制的、经验证的设计过程中，NVIDIA 经过实地检验积累了丰富的经验，并将计算、网络、存储等多方面的最佳实践，集中于 NVIDIA DGX POD 的设计之中。
* y! F8 i5 }) Q: r+ [+ ?如今，包括 Arista、思科、DDN、Dell EMC、IBM Storage、Mellanox、NetApp 和 Pure Storage 等在内的业内数据中心领导者已围绕 DGX POD，推出了基于其各自特有技术的相关产品。
这些集成系统均为客户提供经过经验验证的可靠方法，这意味着，每个企业都能量身定制完全适配自身需求的 AI 超算中心。
例如，基于 DGX POD，NetApp 推出了 NetApp ONTAP AI  融合基础架构。其由 NVIDIA DGX-1 服务器、 NetApp 云互联存储系统提供支持，是 NVIDIA 和 NetApp 联合开发和验证的架构。
9 |# g$ |4 L% s5 ?9 b1 w3 d$ v借助这一架构，企业可以从小规模起步进行无缝扩展，智能管理跨边缘、核心和云以及反向数据传输的完整深度学习数据管道，简化  AI  部署。
围绕 NVIDIA DGX POD 参考架构和 NetApp ONTAP AI，英国剑桥咨询公司构建了一套专门的 AI 研究设施，用于训练一个能即刻准确识别各种音乐流派的 AI “狂热爱好者”。
" D/ W; l8 }! Q借助参考框架，其 AI 项目所带来的对计算、存储、网络设施的需求均得到满足。经过在16台 NVIDIA GPU 上接受数百小时的音乐训练，这位特殊的音乐爱好者，在“听音识流派”的准确度上，甚至超越了人类和传统编程。
* ?  }$ T5 x% i8 ~, f4 e! V4 ~

AI 软件：调优 DGX 硬件，降低管理门槛

# B& }9 p5 N- D0 h
# u# a0 D* c. Z0 S除了设计优化的 DGX 服务器、存储服务器和网络交换机组合 ，DGX POD 上还运行一整套适配的 NVIDIA AI 软件堆栈，极大简化 DGX POD 的日常操作与维护，为大规模多用户 AI 软件开发团队提供高性能的深度学习训练环境。

▲ NVIDIA AI 软件堆栈
NVIDIA AI 软件包括 DGX 操作系统（DGX OS）、集群管理和协调工具、工作负载调度器、来自 NVIDIA GPU Cloud (NGC) 容器注册表的和优化容器，可以为使用者提供优化的操作体验。
DGX POD 管理软件可根据需要，自动创新安装 DGX OS。DGX OS 是 NVIDIA AI 软件堆栈的基础，基于优化版 Ubuntu Linux 操作系统构建，并专门针对 DGX 硬件进行调优，支持各种 NVIDIA 库和框架及 GPU 的容器进行时。

6 q" s! ~+ G3 f- [2 D▲ DGX POD 管理软件层
" O3 p$ L. p0 s8 xDGX POD 管理软件层由 Kubernete 容器协调框架上运行的各项服务组成，可通过网络（PXE）为动态主机配置协议（DHCP）和全自动 DGX OS 软件配置提供服务。
通过使用其简单的用户界面，管理员可在由 Kubernetes 和 Slurm 管理的域中移动 DGX 服务器。未来 Kubernetes 增强功能预计在纯 Kubernetes 环境中，支持所有 DGX POD 用例。
/ u! q5 y3 [4 j$ F0 YDGX POD 上的 NVIDIA AI 软件可借助 Ansible 配置管理工具进行管理，白皮书中有提供其开源的软件管理堆栈和文档在 Github 上的链接。
1 m$ H, o' n5 `) _6 t6 m智东西认为，DGX POD 一站式交付节点解决方案，不仅能加速数据中心的 AI 部署效率，同时也通过提供更强大的算力，大幅度提升数据的利用效率。
# z2 f' K0 m* @5 D6 j当前，很多数据中心刚刚踏入或计划踏入 AI 的大门，而当下主流的深度学习算法必须配备专业的 AI 基础设施。基于 NVIDIA DGX POD 的架构方案，对于快速构建大规模 AI 计算集群非常具有参考价值。随着此类基础架构逐渐普及，更多数据中心将得以消除设备与资本预算之间的鸿沟。
8 r1 v9 ^) B+ l* p1 t这只是 NVIDIA 打造 AI 就绪型数据中心宏图的重要版面之一，利用 DGX-1、DGX-2 服务器和NVIDIA GPU 大规模计算架构的发展进步，NVIDIA 正将机器学习、深度学习和高性能计算（HPC）扩展到更多的数据中心，为金融、能源、制造、电信、医疗、科学计算等更多行业的生产力提升提供动力引擎。
$ [4 E+ m$ B3 m) B如需查阅此白皮书《NVIDIA DGX POD 数据中心参考设计》，可直接点击左下方的“阅读原文”下载。
$ O7 v9 M1 ]9 d. M7 b' a6 M; E

6 |# L: s( j, ^6 B  G; L9 A+ @
来源：http://mp.weixin.qq.com/s?src=11&timestamp=1564324204&ver=1756&signature=lzmOBny3VsKicsBbRilU-jCqaXPlfHO3NiPHxSA5ExQEflvku*zNzABRYJyH2rWKX7OAx1rw4BgY1r0zcj8uiuuI7R3fWMirVZVvIGuP3Oj7k7hAUZBuO0wn8Gimb5uD&new=1
4 I: Z, v; S0 q免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！