noticias de la compañía sobre Starburst admite GPUs para un análisis de datos distribuidos más rápido

Starburst logra respuestas de consulta de análisis de IA de 3 a 4 veces más rápidas al adoptar GPUs en lugar de CPUs.

La empresa desarrolla y utiliza el motor SQL distribuido de código abierto Trino para consultar y analizar fuentes de datos dispares, basándose anteriormente en CPUs x86 para el procesamiento de consultas. Su software puede ejecutar consultas de datos en hojas de cálculo, bases de datos, almacenes en la nube y lakehouses. En mayo, Dell actualizó su cartera de productos AI Factory. Una actualización clave: la plataforma incluye un Motor de Análisis de Datos impulsado por Starburst con análisis SQL acelerado por GPU, que ofrece un rendimiento de consulta hasta 6 veces más rápido que los sistemas sin GPU en GPUs Nvidia Blackwell, con soporte planificado para hardware Vera futuro.

El CEO de Starburst, Justin Borgman, compartió en una conferencia de prensa que el software de Starburst ahora admite la CPU Vera y la GPU Rubin de Nvidia. Al preguntarle sobre la posición de mercado de Starburst en relación con Databricks y Snowflake, Borgman comentó: “Es una co-opetición clásica. Cooperamos desde la perspectiva del cliente e interoperamos con esas plataformas, consultando sus datos. Si usted es un gran banco que utiliza Databricks, Snowflake, Teradata, IBM y Oracle, Starburst complementa todos estos sistemas. Esto es fundamental para nuestra estrategia, brindando a los clientes la flexibilidad de preservar sus inversiones tecnológicas existentes. En el lado competitivo, ambas plataformas apuntan a servir como la única fuente de datos unificada”.

“Competimos por ciertas cargas de trabajo, pero nuestra arquitectura difiere. Para grandes empresas, ofrecemos un valor único que no pueden igualar: federación de datos y despliegue híbrido. Admitimos operaciones locales, mientras que esas dos plataformas solo se ejecutan en la nube”.

Continuó: “La asociación con Nvidia se vuelve atractiva porque ahora admitimos GPUs junto con CPUs. Nvidia lanzó una nueva CPU este año, aunque las GPUs siguen siendo su negocio principal. Las empresas pueden aprovechar las GPUs existentes, incluida la capacidad inactiva, para ejecutar cargas de trabajo de análisis y obtener una mayor flexibilidad”.

“Comenzamos este trabajo a principios de año y acabamos de lanzar nuestra primera versión, construida utilizando cuDF, un kit de herramientas de procesamiento de datos estructurados NVIDIA CUDA-X de código abierto. Construido sobre primitivas CUDA optimizadas, cuDF aprovecha el paralelismo de GPU y el ancho de banda de memoria para acelerar los pipelines de procesamiento y análisis de datos”.

Borgman declaró: “Vemos un rendimiento sólido, aproximadamente de tres a cuatro veces más rápido que las CPUs. Las GPUs tienen costos más altos, que deben sopesarse en la planificación de la relación costo-rendimiento. Pero los casos de uso iniciales muestran que los grandes bancos han comprado GPUs que no se ejecutan a plena utilización constantemente. Ya incurrieron en este gasto de capital; ejecutar análisis por lotes durante las horas de inactividad puede aumentar la utilización de la GPU del 60% al 90%”.

Esquematizó dos enfoques operativos: “Puede programar trabajos para ventanas de inactividad conocidas, como de 9 p. m. a medianoche. También admitimos la monitorización de la utilización de la GPU en tiempo real para programar trabajos dinámicamente cuando hay recursos de sobra disponibles”.

Nvidia se beneficia al expandir su mercado total direccionable.

Cuando se le preguntó qué impulsó esta iniciativa, Borgman dijo: “La serendipia jugó un papel importante. A principios de este año, Nvidia nos contactó para evaluar su nueva CPU Vera, marcando su entrada en el mercado de CPUs. Nuestras pruebas mostraron que Starburst se ejecutaba significativamente más rápido en Vera en comparación con los procesadores Intel. Nvidia presentó los resultados de nuestras pruebas en la presentación principal de Jensen, lo que inició nuestra colaboración. Luego, Nvidia sugirió que evaluáramos su framework cuDF para habilitar Starburst en GPUs”.

La ganancia de rendimiento resultante varía de 3x a 7x dependiendo de la complejidad de la consulta, con las consultas más grandes y complejas alcanzando la aceleración de 7x.

Borgman cree que esto cambia el posicionamiento de Starburst frente a Databricks y Snowflake: “Esto nos diferencia. Databricks y Snowflake son servicios nativos de la nube que absorben los costos de cómputo dentro de su modelo de precios, reduciendo sus márgenes de beneficio. Nosotros permitimos a los clientes desplegarse en su propia infraestructura. Estos proveedores de la nube deben buscar continuamente el cómputo de menor costo, lo que no se alinea bien con el hardware de mayor precio de Nvidia. Creemos que somos la única plataforma de datos empresariales bien posicionada para asociarse con Nvidia en este espacio”.

Beijing Qianxing Jietong Technology Co., Ltd.
Sandy Yang/Director de Estrategia Global
WhatsApp / WeChat: +86 13426366826
Correo electrónico: yangyd@qianxingdata.com
Sitio web: www.qianxingdata.com/www.storagesserver.com
Enfoque de negocio:
Distribución de productos TIC/Integración de sistemas y servicios/Soluciones de infraestructura
Con más de 20 años de experiencia en distribución de TI, nos asociamos con las principales marcas mundiales para ofrecer productos confiables y servicios profesionales.
“¡Usando la tecnología para construir un mundo inteligente!” ¡Su proveedor de servicios de productos TIC de confianza!