Про Облачные вычисления уже многое сказано в теории. Крупные компании осознают преимущества этой технологии, и настало время переходить от теории к практике. Компания NVIDIA, совместно с производителем решений для рендеринга Mental images представила RealityServer. Это серверная аппаратная платформа с мощным графическим ускорителем и специальной программной средой, благодаря которой фотореалистичное трёхмерное изображение можно получить на любом компьютере, ноутбуке, и даже смартфоне.
Одним из главных плюсов платформы является способность серверов объединяться в кластеры и обеспечивать раздельный процессинг вычислений. Это говорит о гибкости и расширяемости системы. Конфигурация начального уровня включает восемь GPU и RealityServer 3.0 и поддерживает более 10 одновременно работающих с ресурсами пользователей. Решение для корпоративного сегмента оснащается более чем 100 графическими процессорами и поддерживает от 1000 пользователей. В качестве GPU использован Nvidia Tesla c 240 графическими ядрами каждый. Внешне RealityServer доступен как напольное или стоечное решение, причем компания принимает заявки на предварительную конфигурацию сервера. Производитель может добавить ОЗУ, поставить лишние накопители, дополнительные GPU. Сервер работает под управлением ПО от Mental images с аналогичным названием – RealityServer, где применяется технология iray, осуществляющая рендеринг с трассировкой лучей и применяющая архитектуру CUDA.
Основное клиентское программное обеспечение, строится на привычных для современного интернета технологиях, таких как SOAP, JSON-RPC, REST и клиентских средах Javascript, Flash и Actionscript. Итоговые данные сервер транслирует, как одно или несколько JPEG-изображений, причем благодаря вышеописанным технологиям, манипулировать картинками и действиями можно в реальном времени.
Подобное решение производитель называет удобным для архитектурных бюро, дизайнерских и графических студий среднего масштаба, которым не по карману покупать дорогую графическую станцию за несколько десятков тысяч долларов на стол каждому сотруднику. Кроме того, концепция, заложенная в RealityServer, меняет подход к реализации многих задач, и закладывает основу для создания целого класса удаленных графических приложений, таких как 3D-игры, CAD-системы, рендеринговые системы и масса иных программ, которые могут выполняться удаленно, а клиенту будет выдаваться лишь готовая картинка. Кроме того, Nvidia ведет переговоры с Amazon о размещении нескольких RealityServer в датацентрах, обслуживающих облачный сервис Elastic Compute Cloud.
Поставки платформы начнутся с 30 ноября 2009 года.
комментарии (20)
Стоимость решения — от 3000$ за GPU (взято отсюда in.slizone.com/object/io_1256208639258.html), описанная в статье система — 100 GPU и того будет стоить от 300 000$.
У вас нету пару раз по несколько десятков тысяч? Так фигня вопрос — заплатите пару раз по несколько сотен тыщ!
Куда эффективнее использовать CUDA на GeForce GTX260/280 это будет в 3-4 раза дешевле чем ставить Теслу.
А скорее всего покупаеш услугу на 1 мес и юзаеш сколько нужно.
Была презентация там даже связка из нескольких Tesla выдавала картинку не совсем в реальном времени (несколько секунд), но все равно прогресс по сравнению с просчетом на центральных процессорах.
Что имеется в виду под одновременным подключениями 10-1000 пользователей?
Ведь все эти 240 ядер работают параллельно над ОДНОЙ задачей а не по ядру на пользователя. Получается что диспечер задач просто держит какое то количество подключений и какое то количество задач в очереди?
С чего вы это решили?
Про балансировку нагрузки слышали?
Софт может плавно регулировать приоритет задач отдавая определенный % каждой задачи.
Далее 240 ядер это в одном GPU коих могут быть десятки. Опять же софт может динамически выделять определенное количество GPU на каждую задачу.
Вы не путайте обычную многопроцессорную систему с массивно параллельными вычислителями такими как графическая карта. Тут все несколько сложнее чем на серверах со стандартными cpu.
100 мс 1 — задача
200 мс 2 — задача.
Изменяя время меняем % приоретета.
Квантование на массивнопараллельной системе- что новенье. Не забывайте про то что загрузка из памяти оперативной в память видеокарты- очень тяжелая операция. А если вы все храните в памяти видеокарты и между ними переключаетесь, то могу сказать из личного опыта 4 гига- это не много для задач обработки матриц к примеру.
Правда это для операций математических. Для работы с графикой в основном используется шейдерная память, и если испольуют ее, то тут скорее ситуация просто обработал запрос. Выгрузил из памяти, загрузил новый. Тут тогда не какой параллельности, тут будет просто как вебсервер. запрос ответ.запрос ответ. и не какого хранения.
Еще раз повторюсб- хотелось бы услышать, что нибудь по подробнее либо от автора статьи, либо от людей связанных с nvidea и cuda
Пока да, работает на 4Гб встроенной и это действительно не очень много.