Alexander - stock.adobe.com
Welche GPU eignet sich für das Rechenzentrum?
Grafik-Prozessoreinheiten (GPU) haben längst ihren Weg in den Alltag komplexer Berechnungen gefunden. Doch welche GPU eignet sich für das Data Center?
Die Unterscheidung zwischen GPUs für das Rechenzentrum und GPUs für Verbraucher lässt sich nicht anhand von formalen Standards treffen. Prozessorgeschwindigkeit und Hardwareanforderungen sollten Sie vor der Installation einer GPU dennoch berücksichtigen.
Grafikprozessoren (GPU) lassen sich nicht anhand von Benchmarks in die Kategorien Rechenzentrum und Verbraucher einsortieren – auch wenn die Grafikpower, die heutzutage für anspruchsvolle Spiele verfügbar ist, bereits beeindruckend ist. Trotzdem gibt es Unterschiede in Hardware- und Verarbeitungsgeschwindigkeit, die eine Unterscheidung der am Markt verfügbaren GPUs für ihre Tauglichkeit im Data Center durchaus erlauben.
Herkömmliche GPUs für Verbraucher (so wie etwa die Nvidia GeForce GTX Titan Xp) sind im Bereich der Fließkommaoperationen auf 64-Bit-Systemen heute bis zu 0,38 TeraFLOPS (TFLOPS) getaktet. Währenddessen bewegt sich eine an Konzerne gerichtete Nvidia Tesla V100 schon im Bereich von 7,8 TFLOPS. Jede GPU hat gegenüber der anderen eine unterschiedliche Architektur, verschieden viele CUDA-Kerne (CUDA steht für Compute Unified Device Architecture), unterschiedliche Bandbreite im Bereich des Speichereinsatzes und nicht zuletzt in Bezug auf die insgesamt angebotene Funktionalität.
Anbieter klassifizieren ihre GPUs in aller Regel nach Einsatzgebiet und Verarbeitungsgeschwindigkeit. Es empfiehlt sich daher, vor der Wahl einer GPU herauszufinden, welche Leistungsmerkmale Sie für Ihren spezifischen Einsatzfall tatsächlich benötigen. An Verbraucher gerichtete GPUs taugen durchaus für den Einsatz im Rechenzentrum, wenn die Anforderungen an Bandbreite und Energieversorgung geringer sind. Ebenso eignen sie sich bestens für das Testen von Software oder den Einbau in Fertig-PCs.
Wenn Sie hingegen mit Bildauswertung, Verarbeitung von Big Data, Internet of Things (IoT) oder Machine Learning arbeiten, sollte Ihr Blick sich den Highend-GPUs zuwenden. Wenn Sie ein GPU-erweiterbares Gehäuse kaufen, liegen Sie mit Ihrer Investition auf der sicheren und finanziell attraktiveren Seite. GPU-Karten für Data Center können Prozessorkapazitäten für höchst anspruchsvolle Workloads bereitstellen.
Unter den Angeboten von Nvidia für Rechenzentren finden sich auch die Produktlinien Quadro und Tesla. Allerdings verbieten die Lizenzbedingungen für Endanwender von Nvidia neuerdings den Einsatz von Verbraucher-GPUs in Rechenzentren. Ihre Auswahl mag aus diesem Grund auf GPUs aus dem Hochleistungssegment begrenzt bleiben, insbesondere auch dann, wenn die Treiber und Software für GeForce und Titan keine Lizenz für den Einsatz im Rechenzentrum aufweisen.
Vorinstallierte GPUs im Rechenzentrum
Mehr und mehr Server sind bereits mit vorinstallierten und vorkonfigurierten GPUs ausgestattet. Damit wird die Einführung von GPUs zum regulären Bestandteil der technologischen Aktualisierungszyklen.
Es gibt eine wachsende Menge von Servermodellen mit unterschiedlichsten Optionen für die GPU-Vorinstallation (PDF). Eine Tesla V100 zum Beispiel ist in einem Dell EMC PowerEdge C4140 oder in einem PowerEdge R740 erhältlich. Für die Tesla P40 stehen der Lenovo NeXtScale nx360, das ThinkSystem SD530 und der Lenovo D2 zur Verfügung.
Jenseits der Angebote von Nvidia gibt es die AMD FirePro S7100X im Dell PowerEdge M630 und im HP ProLiant WS460c Gen9.
Ihre Entscheidung für eine vorinstallierte GPU wird immer auch davon abhängen, welche Hardware bereits in Ihrem Rechenzentrum verbaut ist. Natürlich zählt zu den Kriterien auch, welchen Bedarf Sie jeweils abdecken müssen. Es ist von Vorteil, wenn Sie jemanden im Team haben, der sich mit Grafikbibliotheken und grafikorientierten Sprachen wie OpenGL oder CUDA auskennt. So können Sie die GPUs programmieren und jede zugehörige Software aktualisieren.
