使用GPU加速Apache Spark工作负载：一种预测性方法

NEW

使用GPU加速Apache Spark工作负载：一种预测性方法 - Blockchain.News

在大数据分析领域，优化处理速度和降低基础设施成本仍然是关键问题。根据< a rel="nofollow" href="https://developer.nvidia.com/blog/predicting-performance-on-apache-spark-with-gpus/" rel="nofollow">NVIDIA最近的报告，领导性的扩展分析平台Apache Spark正越来越多地探索使用GPU加速来增强性能。

GPU加速的承诺与挑战

虽然传统上依赖于CPU，但Apache Spark转向GPU加速有望大幅提高数据处理任务的速度。然而，将工作负载从CPU转换到GPU并非易事。某些操作，例如涉及大量数据移动或用户定义的函数的操作，可能无法从GPU加速中受益。相反，涉及高基数数据的任务，如连接和聚合，更有可能看到性能的提升。

Spark RAPIDS Qualification Tool

为了解决工作负载迁移的复杂性，NVIDIA推出了Spark RAPIDS Qualification Tool。该工具分析基于CPU的Spark应用程序，以识别适合迁移到GPU的候选者。通过利用基于行业基准训练的机器学习模型，该工具预测在GPU上的潜在性能改进。它作为一个通过pip包提供的命令行界面运行，并支持包括AWS EMR和Google Dataproc在内的各种环境。

功能和输出

该工具利用来自基于CPU的应用程序的Spark事件日志来评估GPU迁移的可行性。这些日志提供关于应用程序执行的洞察，帮助识别适合GPU加速的最佳工作负载。输出包括经过资格认定的工作负载列表、推荐的Spark配置以及适用于云服务环境的建议GPU集群形状。

定制预测

虽然预训练模型适用于一般场景，但该工具也支持创建自定义的资格模型。用户可以使用自己的数据训练模型，提高对独特工作负载和环境的预测准确性。当现有模型无法与特定性能配置文件对齐时，这一功能特别有用。

入门指南

组织可以利用RAPIDS Accelerator for Apache Spark在不改变现有代码的情况下促进GPU迁移。此外，Project Aether提供了自动化工具，用于Spark工作负载的GPU加速资格认定和优化。更多信息请参考Spark RAPIDS用户指南。

Image source: Shutterstock