Palo GPU in der Cloud betreiben

Freitag, 17. Dezember 2010, 10:48 Uhr

Noch keine Kommentare

Mit der Version 3.2 hat die GPU-Unterstützung die Betaphase verlassen. Allerdings benötigte es zum Test der performance-steigernden Technologie bisher erst größere Investitionen in die IT-Infrastruktur. Darauf kann nun verzichtet werden, denn Palo läuft nun auch auf GPU-Instanzen aus der sprichwörtlichen „Cloud“.

Durch die Nutzung der GPUs statt der klassischen lassen sich die Zeiten für Analysen deutlich reduzieren, indem die Einzelberechnungen parallelisiert werden. Während moderne Prozessoren vielfach mit 4 Prozessorkernen (daher Quad-Core) arbeiten, bietet beispielsweise ein GPU des Typs Tesla C1060 240 eigenständige Grafikkerne. Diese sind zwar weniger leistungsfähig, aber für einfache Berechnungen wie etwa innerhalb von Aggregationen  sind sie sehr gut geeignet.

Seit der Version 3.2 ermöglich Jedox Palo mit dem GPU Accelarator auch die Möglichkeit diese Rechenpower für die gleichnamige In-Memory OLAP-Datenbank zu nutzen. Leider waren die Hürden dafür bisher recht hoch, denn neben einer entsprechenden (Probe-)Lizenz musste auch die nötige Hardware zur Verfügung stehen. Zumindest Letzteres ist nun deutlich einfacher, da Amazon in seine Cloud-Computing-Diensten nun auch die Nutzung von GPU-Instanzen ermöglicht.

Da sich Cloud-Computing-Service einfach und preisgünstig anmieten und auch wieder abschalten lassen besteht nun die sehr gute Möglichkeit Palo mit GPU-Unterstützung in der Cloud unter Realbedingungen mit Produktiv-Daten(mengen) zu testen. Durch diesen Proof-of-Concept muss also nicht mehr die Katze im Sack gekauft werden, sondern es bestehen gute Testmöglichkeiten, die genutzt werden sollten.

 

GPU-Technik als möglicher Trend in der Business Intelligence?

Bisher ist Palo noch der einzige Anbieter, der GPUs für die Berechnungen einsetzt. Ich denke aber mal, dass andere Anbieter nachziehen werden, da die Performance-Verbesserungen beeindruckend sind. Ich kann das an dieser Stelle behaupten, da ich dies auch im Rahmen meiner kürzlich vollendeten Master-Thesis bestätigen konnte. Die Berechnungen auf identischer Hardware sind bei Einsatz von vier GPUs Nvidia Tesla C1060 teilweise um den Faktor 50 schneller. Da ich gerade auch an der Veröffentlichung dieser Abschlussarbeit arbeite, kann ich für den Moment leider noch nicht so viel sagen, sondern muss alle Interessierten auf die Zukunft vertrösten. Stay tuned, die Ergebnisse und Erkenntnisse sind beeindruckend und motivierend für den Bereich der quelloffenen BI-Software.

Tags: , ,

Kommentare zu diesem Beitrag

Bisher wurde noch keine Kommentare abgegeben.
Sie können also die oder der Erste sein.

Jetzt einen neuen Kommentar abgeben



(optional, Ihr Name wird entsprechend verlinkt)