ZStack GPU解决方案

在之前发布的ZStack 3.5.0版本中，ZStack新增了对于NVIDIA及AMD vGPU方案的支持，从而在云中实现支持GPU透传、vGPU两种GPU方案的完善GPU云平台解决方案，能够帮助用户在云中实现工业设计、图形渲染、教学科研、深度学习等更为丰富的GPU应用场景。

前言

随着虚拟化与云计算技术的快速发展，越来越多的用户将应用迁移到云上。在这个过程中，用户希望一些特定的业务场景既能够在云环境中获得灵活、高效的资源交付能力，又能够获取与物理机无异的资源计算性能。GPU作为一种资源设备，近几年来随着大数据、人工智能等深度学习相关应用的深入，这一技术在云中的应用需求日益加深。

本文旨在以通俗易懂的方式让各位读者对于云中的GPU方案有一定的概况性了解。

一、了解GPU

在了解GPU之前，我们需要先了解GPU与我们最熟悉且常用的CPU区别：虽然两者都为了完成计算任务而设计，但各有侧重。

CPU 由专为串行顺序执行指令而设计的几个核心组成，主要是面向通用计算场景；

如：8个计算核心，每个计算核心计算力都相对较强

而 GPU 则是拥有一个由数以千计的更小核心组成的大规模并行计算架构。更侧重用于面向并行计算场景；

如：1000个计算核心，单个计算核心计算力相对一般，

综合计算力强大

举一个比较容易理解的例子：

CPU可以比作一个数学教授，当解答一道或几道高难度数学问题时，效率更高；

GPU可以比作100个中学生，当解答数百上千低难度数学问题时，效率更高。

因此在实际应用场景中，GPU非常适合用于需要大量简单、重复、并行、矩阵等计算能力的场景。下面通过以下两个典型的GPU应用场景来进行需求说明。

二、GPU应用场景

1. 重GPU计算力需求场景

某市交管部门构建城市大数据智能交通调度系统以缓解绕城高速交通拥堵情况，建设规划将系统构建在云环境中，以解决部署在物理机环境中所存在的安装周期长、运维效率低下等问题，因此，如何将物理GPU设备交付给部署在云环境中人工智能应用以使用是项目的关键技术需求。

2. 轻GPU计算力需求场景

某制造型企业期望为工业设计人员部署云桌面以保护企业数据安全，还要简化桌面运维管理。但这需要依赖GPU的图形计算力以实现在云环境中运行工业设计软件这一需求。

在以上场景中，分别通过GPU透传及vGPU技术在云中交付GPU资源是满足用户需求的主要技术手段。

下面我们来进一步介绍以上两种云中GPU实现方案。

三．GPU云化方案

1. GPU透传

GPU透传主要技术原理是通过将宿主机（物理机）上GPU设备的PCI内存地址映射给云主机，从而能够绕过云环境中的虚拟化管理程序，将GPU设备直接加载给云主机进行使用。

透传后对比在物理机上使用GPU设备的优缺点如下：

• 优点：性能损耗