nouvelles de l'entreprise Starburst prend en charge les GPU pour une analyse de données distribuée plus rapide

Starburst obtient des réponses de requêtes d'analyse IA 3 à 4 fois plus rapides en adoptant des GPU au lieu de CPU.

La société développe et utilise le moteur SQL distribué open-source Trino pour interroger et analyser des sources de données disparates, s'appuyant auparavant sur des CPU x86 pour le traitement des requêtes. Son logiciel peut exécuter des requêtes de données sur des feuilles de calcul, des bases de données, des entrepôts cloud et des lakehouses. En mai, Dell a mis à jour son portefeuille de produits AI Factory. Une mise à jour clé : la plateforme inclut un moteur d'analyse de données propulsé par Starburst avec analyse SQL accélérée par GPU, offrant des performances de requête jusqu'à 6 fois plus rapides que les systèmes non-GPU sur les GPU Nvidia Blackwell, avec un support prévu pour le futur matériel Vera.

Le PDG de Starburst, Justin Borgman, a déclaré lors d'un briefing que le logiciel Starburst prend désormais en charge le CPU Vera et le GPU Rubin de Nvidia. Interrogé sur la position de Starburst par rapport à Databricks et Snowflake, Borgman a commenté : « C'est de la co-opétition classique. Nous coopérons du point de vue du client et interagissons avec ces plateformes, en interrogeant leurs données. Si vous êtes une grande banque utilisant Databricks, Snowflake, Teradata, IBM et Oracle, Starburst complète tous ces systèmes. C'est au cœur de notre stratégie, offrant aux clients la flexibilité de préserver leurs investissements technologiques existants. Sur le plan concurrentiel, les deux plateformes visent à servir de source de données unifiée unique. »

« Nous sommes en concurrence pour certaines charges de travail, mais notre architecture diffère. Pour les grandes entreprises, nous apportons une valeur unique qu'elles ne peuvent pas égaler : la fédération de données et le déploiement hybride. Nous prenons en charge les opérations sur site, tandis que ces deux plateformes ne fonctionnent que dans le cloud. »

Il a poursuivi : « Le partenariat avec Nvidia devient convaincant car nous prenons désormais en charge les GPU en plus des CPU. Nvidia a sorti un nouveau CPU cette année, bien que les GPU restent son activité principale. Les entreprises peuvent exploiter les GPU existants, y compris la capacité inactive, pour exécuter des charges de travail d'analyse et gagner en flexibilité. »

« Nous avons commencé ce travail au début de l'année et venons de publier notre première version, construite à l'aide de cuDF, une boîte à outils open-source NVIDIA CUDA-X pour le traitement des données structurées. Basé sur des primitives CUDA optimisées, cuDF exploite le parallélisme des GPU et la bande passante mémoire pour accélérer les pipelines de traitement et d'analyse de données. »

Borgman a déclaré : « Nous constatons de fortes performances, environ trois à quatre fois plus rapides que les CPU. Les GPU ont des coûts plus élevés, ce qui doit être pris en compte dans la planification du rapport coût-performance. Mais les premiers cas d'utilisation montrent que les grandes banques ont acheté des GPU qui ne fonctionnent pas constamment à pleine utilisation. Elles ont déjà engagé ces dépenses en capital ; l'exécution d'analyses par lots pendant les heures creuses peut augmenter l'utilisation des GPU de 60 % à 90 %. »

Il a décrit deux approches opérationnelles : « Vous pouvez planifier des tâches pour des fenêtres inactives connues, comme de 21h à minuit. Nous prenons également en charge la surveillance en temps réel de l'utilisation des GPU pour planifier dynamiquement les tâches lorsque des ressources libres deviennent disponibles. »

Nvidia bénéficie de cette expansion de son marché adressable total.

Interrogé sur ce qui a déclenché cette initiative, Borgman a déclaré : « Le hasard a joué un grand rôle. Au début de l'année, Nvidia nous a contactés pour tester son nouveau CPU Vera, marquant son entrée sur le marché des CPU. Nos tests ont montré que Starburst fonctionnait significativement plus rapidement sur Vera par rapport aux processeurs Intel. Nvidia a présenté nos résultats de benchmark dans la présentation clé de Jensen, ce qui a lancé notre collaboration. Nvidia nous a ensuite suggéré d'évaluer leur framework cuDF pour activer Starburst sur les GPU. »

Le gain de performance résultant varie de 3x à 7x selon la complexité des requêtes, les requêtes les plus grandes et les plus complexes atteignant une accélération de 7x.

Borgman estime que cela change le positionnement de Starburst par rapport à Databricks et Snowflake : « Cela nous distingue. Databricks et Snowflake sont des services natifs du cloud qui absorbent les coûts de calcul dans leur modèle de tarification, réduisant leurs marges bénéficiaires. Nous permettons aux clients de déployer sur leur propre infrastructure. Ces fournisseurs de cloud doivent rechercher en permanence le calcul le moins cher, ce qui ne correspond pas bien au matériel plus cher de Nvidia. Nous pensons être la seule plateforme de données d'entreprise bien adaptée pour s'associer à Nvidia dans ce domaine. »

Beijing Qianxing Jietong Technology Co., Ltd.
Sandy Yang/Directeur de la stratégie mondiale
WhatsApp / WeChat : +86 13426366826
E-mail : yangyd@qianxingdata.com
Site Web : www.qianxingdata.com/www.storagesserver.com
Focus commercial :
Distribution de produits TIC/Intégration de systèmes et services/Solutions d'infrastructure
Avec plus de 20 ans d'expérience dans la distribution informatique, nous nous associons à des marques mondiales de premier plan pour fournir des produits fiables et des services professionnels.
« Utiliser la technologie pour construire un monde intelligent » Votre fournisseur de services de produits TIC de confiance !