GPGPU

Индустрия серверных процессоров активно меняется – все больше ядер, число которых, например в старших моделях процессоров AMD EPYC Zen 4, перевалило за сотню. Для решения задач машинного обучения и для выполнения высокопроизводительных расчетов все шире применяются GPU, на которых теперь стало быстрее выполнять и задачи сортировки, важные для работы с СУБД. Наиболее ярким примером реализации устремления компании Intel к задачам HPC и ИИ стал выпуск серверных масштабируемых процессоров поколения Xeon Max, работающих с высокоскоростной памятью HBM2E.

Графические процессоры из ускорителей превратились сегодня в универсальные системы, используемые в ЦОДах, в мощных суперкомпьютерах экзафлопсного уровня производительности, развертываемых в бортовых, мобильных или стационарных конфигурациях. Этот процесс был инициирован Nvidia более десяти лет назад, а сегодня в этой области работают почти все ведущие игроки.

Летом 2016 года на рынке появилось второе поколение ускорителей Xeon Phi с архитектурой Knights Landing, способных заменить обычные процессоры, что сулит существенные изменения как в индустрии высокопроизводительных систем в целом, так и в инфраструктурах обработки Больших Данных.

Для работы с большими потоками данных, поступающими в реальном времени, требуются гетерогенные процессоры, сочетающие в себе возможности CPU и GPU.