Quanta Grid D52BV-2U zur parallelen Datenverarbeitung
QCT bringt mit 4 Tesla-Akzeleratoren 21,5 TFLOPS in zwei Höheneinheiten unter
| Autor / Redakteur: Ulrike Ostler / Rainer Graefen
Mit dem Server „Quanta Grid D52BV“ auf zwei Höheneinheiten adressiert Quanta Cloud Technology (QCT) rechenintensive Anwendungen aus Bereichen wie Virtual-Desktop-Infrastruktur, High Performance Computing, künstliche Intelligenz, Deep Learning, Virtual Reality.
In dem System Quanta Grid D52BV-2U stecken skalierbare „Intel-Xeon“-Prozessoren mit Dual Top-Bin sowie vier Dual-GPU-Beschleuniger, drei Terabyte Speicher und acht 3,5-Zoll-Laufwerke, die sich im laufenden Betrieb hinzufügen oder austauschen lassen. Damit ist die IT-Plattform insbesondere für die parallele Datenverarbeitung geeignet.
Außerdem soll der Server auf zwei Höheneinheiten (2U) sowohl thermische als auch mechanische Herausforderungen bewältigen können, die sich bei der Verwendung von üblichen Hochleistungs-CPUs und platzraubenden GPUs ergeben, wenn die Leistung optimiert werden soll. Die Rechenleistung ergibt sich aus zwei 28-Core-Prozessoren und drei Terabyte Memory, vier Beschleunigern (300-Watt-GPUs) und Speicherplatz von bis zu 80 Terabyte.
Das Hardware-Paket D52BV-2U bietet Anwendern damit Möglichkeiten zur Entwicklung grafik- oder benutzerintensiver VDI-Anwendungen. Das zeigen etwa die jüngsten Linpack-Benchmarks: Die „Tesla V100“-GPUs von Nvidia liefern der D52BV-2U demnach eine Leistung von 21,5 TFLOPS.
Dank der Skalierbarkeit konnte diese Rechenleistung unter realen Bedingungen mit Workloads aus dem High Performance Computing (HPC)-nachgewiesen werden, wie sie in Branchen wie Öl- und Gas- sowie Finanz-Industrie oder bei Klimaprognosen vorkommen. Außerdem ist das D52BV-2U System auch ein Stack zur Bearbeitung von Deep-Learning-Algorithmen.
Im Vergleich mit bestehenden 4xGPU-Servern könne der D5BV-2U Server mit seinem standardmäßigen 5122-Prozessor die Leistung von vier Tesla-V100-GPUs bündeln und somit einen sehr hohen Datendurchsatz erreichen, sowohl bei bekannten Deep-Learning-Modellen wie „Alexnet“, bis hin zu komplizierten Modellen wie „Resnet-50“, teilt QCT mit (siehe: Abbidung).
Darüber hinaus zeigt der Server D52BV-2U auch gute Ergebnisse bei Workloads im Bereich Visualisierung, die eine große Menge an 3D-Grafikberechnungen erfordern, um Anwendungen im Umfeld von Virtual Reality zu beschleunigen.
* Diesen Beitrag haben wir von unserem Schwesterportal DataCenter-Insider übernommen.
