واحد پردازش داده یا Data processing unit
واحد پردازش داده (DPU) یک پردازنده کامپیوتری قابل برنامه‌ریزی است که یک CPU عمومی را با سخت‌افزار رابط شبکه به طور کامل ادغام می‌کند. گاهی اوقات به آنها IPU (واحد پردازش زیرساخت) یا SmartNIC گفته می‌شود. آنها می‌توانند به جای NIC های سنتی برای کاهش مسئولیت‌های پیچیده شبکه و سایر وظایف زیرساختی از CPU اصلی استفاده شوند. اگرچه ویژگی‌های آنها متفاوت است، اما ممکن است برای انجام رمزگذاری/رمزگشایی، عملکرد به عنوان فایروال، مدیریت TCP/IP، پردازش درخواست‌های HTTP یا حتی عملکرد به عنوان یک Hypervisor یا کنترل‌کننده ذخیره‌سازی استفاده شوند. این دستگاه‌ها می‌توانند برای ارائه‌دهندگان محاسبات ابری جذاب باشند که سرورهای آنها در غیر این صورت ممکن است مقدار قابل توجهی از زمان CPU را صرف این وظایف کنند و چرخه‌هایی را که می‌توانند به مهمانان ارائه دهند، کاهش دهند.
کارخانه‌های هوش مصنوعی یک مورد استفاده نوظهور برای DPUها هستند. در این محیط‌ها، حجم عظیمی از داده‌ها باید به سرعت بین CPUها، GPUها و سیستم‌های ذخیره‌سازی جابجا شوند تا حجم کار پیچیده هوش مصنوعی را مدیریت کنند. با واگذاری وظایفی مانند پردازش بسته‌ها، رمزگذاری و مدیریت ترافیک، DPUها به کاهش تأخیر و بهبود بهره‌وری انرژی کمک می‌کنند و این کارخانه‌های هوش مصنوعی را قادر می‌سازند تا توان عملیاتی بالا و مقیاس‌پذیری مورد نیاز برای عملیات پیشرفته یادگیری ماشین را حفظ کنند.
DPUها در کنار نقش خود در تسریع عملکردهای شبکه و ذخیره‌سازی، به طور فزاینده‌ای به عنوان ستون سوم محاسبات در نظر گرفته می‌شوند که مکمل CPUها و GPUها هستند. برخلاف پردازنده‌های سنتی، یک DPU معمولاً روی یک کارت رابط شبکه قرار می‌گیرد و به داده‌ها اجازه می‌دهد قبل از رسیدن به CPU، با نرخ خط شبکه پردازش شوند. این رویکرد، وظایف حیاتی اما سطح پایین‌تر سیستم مانند امنیت، متعادل‌سازی بار و مسیریابی داده‌ها را از پردازنده مرکزی واگذار می‌کند و در نتیجه CPUها و GPUها را آزاد می‌کند تا بر منطق برنامه و محاسبات خاص هوش مصنوعی تمرکز کنند.
نمونه‌هایی از DPUها
Azure Boost DPU
در سال 2024، مایکروسافت Azure Boost DPU را معرفی کرد، یک واحد پردازش داده سفارشی با هدف بهینه‌سازی کارایی شبکه و زیرساخت در سراسر پلتفرم ابری Azure. این DPU وظایف مرتبط با شبکه مانند پردازش بسته‌ها، اجرای امنیت و مدیریت ترافیک را از CPUهای مرکزی خارج می‌کند و عملکرد بهتری را برای بارهای کاری برنامه فراهم می‌کند.
ویژگی‌های کلیدی
- بهینه‌سازی شبکه: Azure Boost DPU با پردازش بسته‌های داده و خارج کردن این وظایف از CPUهای سنتی، توان عملیاتی شبکه را افزایش داده و تأخیر را کاهش می‌دهد.
- قابلیت‌های امنیتی: این واحد، تکنیک‌های جداسازی پیشرفته را برای ایمن‌سازی محیط‌های چند مستاجری ادغام می‌کند و از بارهای کاری حساس محافظت می‌کند.
- سازگاری با مقیاس بسیار بالا: DPU که برای مراکز داده در مقیاس بزرگ طراحی شده است، از زیرساخت‌های مقیاس بسیار بالای Azure پشتیبانی می‌کند و مقیاس‌پذیری را برای برنامه‌های ابری مدرن تضمین می‌کند.
زمینه صنعت
Azure Boost DPU با روند توسعه سیلیکون سفارشی در محیط‌های ابری مقیاس بسیار بالا همسو است. مشابه با واحدهای پردازش داده‌ی Nitro System شرکت AWS و واحدهای پردازش داده‌ی BlueField شرکت NVIDIA، واحد پردازش داده‌ی مایکروسافت (DPU) بر افزایش بهره‌وری فضای ابری و در عین حال رسیدگی به تقاضای روزافزون انرژی و امنیت تمرکز دارد. این نوآوری، مایکروسافت را در کنار سایر رهبران فضای ابری قرار می‌دهد که از واحدهای پردازش داده برای بهینه‌سازی عملیات مراکز داده و ارائه راه‌حل‌های مقرون‌به‌صرفه و با کارایی بالا برای مشتریان استفاده می‌کنند.
تأثیر بر رایانش ابری
معرفی واحدهای پردازش داده‌ای مانند Azure Boost نشان دهنده‌ی تغییر گسترده‌تری در صنعت رایانش ابری به سمت واگذاری عملکردهای خاص از پردازنده‌های عمومی به سخت‌افزارهای تخصصی است. واحد پردازش داده‌ی Azure Boost مایکروسافت، استراتژی آن را برای کاهش هزینه‌ها، افزایش امنیت و دستیابی به اهداف پایداری در عین بهبود بهره‌وری زیرساخت نشان می‌دهد.
واحدهای پردازش گرافیکی (DPU) در مقابل CPUها در مقابل GPUها
هر واحد پردازش نقش‌های متمایزی دارد: CPUها انعطاف‌پذیر هستند و وظایف متنوعی را انجام می‌دهند، اما ممکن است در بارهای سنگین داده به یک گلوگاه تبدیل شوند. واحدهای پردازش گرافیکی (GPUها) در پردازش موازی برای فرآیندهای محاسباتی فشرده مانند گرافیک و یادگیری ماشینی عالی هستند، اما در وظایف غیرموازی محدود هستند و DPUها در محیط‌هایی که به توان عملیاتی و امنیت بالای داده نیاز دارند، بهینه هستند.
با واگذاری مسئولیت‌های خاص از CPUها و GPUها، DPUها کارایی سیستم را بهبود می‌بخشند، تجزیه و تحلیل داده‌ها را تسریع می‌کنند و عملکرد برنامه را افزایش می‌دهند.
انتخاب بین DPUها، CPUها یا GPUها به الزامات بار کاری بستگی دارد، DPUها برای پردازش داده‌های سنگین در تنظیمات ابری، CPUها برای محاسبات عمومی و GPUها برای وظایف گرافیکی فشرده ایده‌آل هستند.
بدون دیدگاه