Deutsch

Eine der drei Säulen des Computings der Zukunft

Veröffentlicht am 06. Feb 2024 by
331

Im Zuge der Weiterentwicklung der Computerlandschaft verändert das Aufkommen von Data Processing Units (DPUs) die Zukunft von Rechenzentren und Computerarchitekturen. In diesem Artikel befassen wir uns mit der Bedeutung und der Rolle von DPUs in diesem Bereich und vergleichen sie mit den traditionellen Central Processing Units (CPUs) und Graphics Processing Units (GPUs).

Was ist DPU?

Eine Data Processing Unit (DPU) ist ein spezialisierter Hardware-Beschleuniger, der für Netzwerk-, Speicher- und Rechenaufgaben in Rechenzentren entwickelt wurde und neben CPUs und GPUs eine der drei Säulen der Datenverarbeitung darstellt. Als eine neue Art von programmierbarem Prozessor kombiniert die DPU drei Schlüsselelemente und ist ein System auf einem Chip (SoC), das Folgendes vereint:

  • Leistungsstarke Verarbeitung:: Die DPU umfasst eine dem Industriestandard entsprechende, leistungsstarke, softwareprogrammierbare Multi-Core-CPU, die eng mit anderen SoC-Komponenten integriert ist und die weit verbreitete Arm-Architektur nutzt.

  • Blitzschnelle Datenübertragung: Mit ihrer leistungsstarken Netzwerkschnittstelle zeichnet sich die DPU durch das Parsen, Verarbeiten und Übertragen von Daten mit der Leitungsrate des Netzwerks oder der Geschwindigkeit des restlichen Netzwerks an GPUs und CPUs aus.

  • Vielseitige Beschleunigung: Ausgestattet mit einer Vielzahl flexibler und programmierbarer Beschleunigungs-Engines, entlasten und verbessern diese Engines die Leistung von Anwendungen in den Bereichen maschinelles Lernen, Zero-Trust-Sicherheit, Telekommunikation, Speicher und mehr.

CPU vs. GPU vs. DPU: Was ist der Unterschied zwischen ihnen?

Viele Menschen sind wahrscheinlich bereits mit der zentralen Recheneinheit vertraut. Flexibel und reaktionsschnell, waren CPUs viele Jahre lang das einzige programmierbare Element in den meisten Computern. In jüngerer Zeit haben GPUs an Bedeutung gewonnen. Sie wurden ursprünglich für Echtzeit-Grafiken eingesetzt und sind heute für künstliche Intelligenz, Deep Learning und Big Data Analytics unverzichtbar. In den letzten zehn Jahren hat sich die Datenverarbeitung über PCs und Server hinaus ausgedehnt, wobei die GPUs das dritte Mitglied des Modells der datenzentrierten beschleunigten Datenverarbeitung geworden sind. Es gibt einige Unterschiede in Funktion, Design und Anwendung zwischen CPU, GPU und DPU.

  • 1. Funktionsweise und Verwendung: Die CPU eignet sich für verschiedene allgemeine Rechenaufgaben, die GPU ist für beschleunigtes Rechnen zuständig, und die DPU, die Daten im Rechenzentrum bewegt, übernimmt die Datenverarbeitung

  • 2. Aufbau und Architektur: Die CPU verwendet eine komplexe Mehrzweck-Prozessorarchitektur, die eine höhere Flexibilität und Programmierbarkeit bietet, während die GPU eine hochgradig parallele Architektur zur Beschleunigung der Grafikverarbeitung und rechenintensiver Aufgaben verwendet, aber ihre Flexibilität bei der allgemeinen Datenverarbeitung ist relativ gering. Das Design der DPU konzentriert sich in erster Linie auf die Datenverarbeitung und die Beschleunigung von Netzwerkfunktionen, wobei verschiedene Hardware-Beschleuniger und Optimierungsfunktionen integriert werden, um hochleistungsfähige Datenverarbeitungslösungen mit geringer Latenzzeit bereitzustellen.

  • 3. Anwendungsbereiche: Die CPU ist in Desktop-Computern, Servern und mobilen Geräten weit verbreitet, die GPU wird vor allem in Bereichen wie Grafik-Rendering, Videospiele, wissenschaftliches Rechnen und maschinelles Lernen eingesetzt und eignet sich für Aufgaben, die paralleles Rechnen in großem Umfang erfordern, die DPU wird hauptsächlich in Datenzentren und Netzwerkgeräten eingesetzt, um Aufgaben wie Paketverarbeitung, Verkehrsmanagement und sichere Verschlüsselung zu beschleunigen und so eine leistungsstarke Datenverarbeitung und Beschleunigung von Netzwerkfunktionen zu ermöglichen.

  CPU GPU DPU
Functionality and Usage Various general computing task Accelerated computing Move data around the data center
Design and Architecture Complex processor architecture Highly parallel architecture Integrate hardware accelerators 
Application Areas Desktop computers, servers, mobile devices Large-scale parallel computing Data centers and network devices

Sehe auch-Deep Comparison Between Server CPU and GPU

DPUs integriert in SmartNICs

TDie DPU kann als eigenständiger eingebetteter Prozessor arbeiten. Am häufigsten wird sie jedoch in eine SmartNICintegriert, einen Netzwerkschnittstellen-Controller, der eine wichtige Komponente in einem Server der nächsten Generation ist.

Anderen Geräten, die sich als DPUs ausgeben, fehlen Schlüsselkomponenten der drei oben genannten entscheidenden Elemente, darunter leistungsstarke Verarbeitung, blitzschnelle Datenübertragung und vielseitige Beschleunigung.

SmartNIC

Beispielsweise verwenden einige Anbieter proprietäre CPUs, die die umfangreiche Entwicklungs- und Anwendungsinfrastruktur des Arm-CPU-Ökosystems nicht nutzen. Andere geben an, DPUs zu haben, machen aber den Fehler, sich nur auf die eingebettete CPU für die Verarbeitung der Datenwege zu verlassen.

Zehn Beschleunigungs- und Hardware-Fähigkeiten der DPU

Was ist also eine echte DPU? Im Allgemeinen gibt es zehn Fähigkeiten, die die Netzwerk-Datenpfad-Beschleunigungsmaschinen bieten müssen:

  • 1. OVS-Implementierung durch Parsing, Abgleich und Manipulation von Datenpaketen.

  • 2. RDMA-Datentransportbeschleunigung für Zero Touch RoCE.

  • 3. GPU-Direct-Beschleuniger ermöglichen die direkte vernetzte Dateneinspeisung in GPUs unter Umgehung der CPU.

  • 4. TCP-Beschleunigung mit Funktionen wie RSS, LRO und Prüfsumme.

  • 5. Netzwerkvirtualisierung für VXLAN, Geneve-Overlays und VTEP-Offload.

  • 6. Traffic-Shaping-Beschleuniger für Multimedia-Streaming und Content-Distribution-Netzwerke.

  • 7. Präzisions-Timing-Beschleuniger für Telco Cloud RAN und 5G-Funktionen.

  • 8. Krypto-Beschleunigung für Inline IPSEC und TLS.

  • 9. Virtualisierungsunterstützung für SR-IOV, VirtIO und Para-Virtualisierung.

  • 10. Sichere Isolierung mit Root of Trust, sicherem Boot, Firmware-Upgrades, authentifizierten Containern und Application Lifecycle Management.

Einige so genannte DPUs sind nur auf einige wenige Funktionen spezialisiert, während andere versuchen, den Datenpfad mit proprietären Prozessoren auszulagern. Dieser Ansatz ist jedoch für die enorme Größe und Komplexität von Rechenzentren ungeeignet.

Der schlechteste Versuch ist die Verwendung proprietärer Prozessoren zur Auslagerung des Datenpfads. Dies eignet sich zwar gut für Prototypen, ist aber angesichts der Größe, des Umfangs und der Komplexität von Rechenzentren ein aussichtsloses Unterfangen.

Zusammenfassung

Kurz gesagt, Data Processing Units (DPUs) haben sich neben CPUs und GPUs zu einer der drei Säulen im Bereich der Datenverarbeitung entwickelt. Mit ihrer Fähigkeit, Datenbewegungen und -verarbeitungen in Rechenzentren effizient zu bewältigen, spielen DPUs eine entscheidende Rolle bei der Ermöglichung von Cloud Computing und der Erfüllung der Anforderungen moderner Anwendungen.

Das könnte Sie auch interessieren

Kenntnisse
Kenntnisse
See profile for Jason.
Jason
Die Vorteile und Nachteile der Glasfaserkabel
07. Aug 2020
90.0k
Kenntnisse
Kenntnisse
See profile for Sheldon.
Sheldon
TCPIP vs. OSI: Was ist der Unterschied?
06. Jul 2022
80.9k
Kenntnisse
See profile for Sheldon.
Sheldon
Das ABC von PON: OLT, ONU, ONT und ODN
19. Aug 2020
29.6k
Kenntnisse
Kenntnisse
See profile for Sheldon.
Sheldon
Grundlagen von optischen Verteilern (ODF)
02. Apr 2019
4.8k
Kenntnisse
See profile for Sheldon.
Sheldon
LACP vs. PAGP: Was ist der Unterschied?
06. Jun 2022
7.6k
Kenntnisse
See profile for Vincent.
Vincent
Einführung zu BiDi-Transceivern
26. Jun 2020
11.0k
Kenntnisse
See profile for Moris.
Moris
Simplex- vs. Duplex-Glasfaserkabel
10. Jun 2021
43.6k