This site requires Javascript in order to view all its content. Please enable Javascript in order to access all the functionality of this web site. Here are the instructions how to enable JavaScript in your web browser.

NVIDIA Virtual Compute Server

Выполнение самых ресурсоемких серверных задач инфраструктур виртуализации, построенных на базе KVM

Максимальная производительность при выполнении задач

Работа с ИИ, глубоким обучением и data science требует беспрецедентных вычислительных мощностей. NVIDIA Virtual Compute Server (vCS) обеспечивает ускоренную виртуализацию серверной инфраструктуры, построенной на базе Red Hat Enterprise Linux, Red Hat Virtualization и других гипервизоров KVM, при помощи инновационных GPU NVIDIA для дата-центра, в том числе NVIDIA A100 с тензорными ядрами и A30. Это позволяет выполнять самые ресурсоемкие задачи ИИ, глубокого обучения и data science на виртуальной машине (VM) на базе технологии NVIDIA vGPU.

Посмотреть документ: «Краткий обзор решений vCS» (PDF, 280 KБ)

NVIDIA AI Enterprise

NVIDIA AI Enterprise — это комплексный набор инструментов корпоративного уровня с поддержкой облака для работы с ИИ и анализа данных, оптимизированный, сертифицированный и поддерживаемый NVIDIA для VMware vSphere в сертифицированных системах NVIDIA.

ПОДРОБНЕЕ

Максимальная эффективность

NVIDIA Virtual GPU обеспечивают производительность на уровне физических серверов, максимальное использование ресурсов, управление и мониторинг в средах виртуализации на базе гипервизора для задач ИИ с ускорением на GPU.

Повышение производительности тренировки нейронных сетей с помощью vCS на GPU NVIDIA A100 с тензорными ядрами

Разработчикам, специалистам по data science, исследователям и студентам необходим большой объем вычислительных мощностей для обучения алгоритмов глубокого обучения. GPU A100 с тензорными ядрами ускоряет любые задачи. ПО NVIDIA Virtual Compute Server обеспечивает производительность на уровне физических серверов даже при масштабировании до больших моделей глубокого обучения, использующих несколько GPU.

Производительность инференса глубокого обучения с MIG на GPU NVIDIA A100 с тензорными ядрами при использовании vCS

Multi-Instance GPU (MIG) — это революционная технология, которая позволяет расширить возможности дата-центра и разделить каждый GPU NVIDIA A100 с тензорными ядрами на семь полностью изолированных и защищенных на аппаратном уровне инстансов. Каждый инстанс оснащен памятью с высокой пропускной способностью, кэшем и вычислительными ядрами. MIG может использоваться с Virtual Compute Server, одна виртуальная машина на каждый инстанс MIG. Производительность одинакова при выполнении инференса на нескольких инстансах MIG как на физических, так и на виртуализированных серверах с vCS.

Материалы по управлению ИТ-инфраструктурой

Узнайте подробнее о том, как NVIDIA Virtual Compute Server помогает максимизировать производительность и упростить управление ИТ-инфраструктурой на базе KVM.

Оптимизация утилизации

Воспользуйтесь ценными ресурсами GPU, чтобы обеспечить плавное совместное использование GPU для простых рабочих задач, таких как инференс, или нескольких виртуальных GPU для более интенсивных вычислительных задач, таких как глубокое обучение.

Управление и мониторинг

Обеспечьте высокую доступность и продолжительное время безотказной работы систем, на которые полагаются ученые и специалисты по data science. Легко контролируйте производительность GPU на уровне узла, хоста и приложения. Вы можете использовать такие инструменты управления, как приостановка/восстановление и живая миграция. Узнайте подробнее о преимуществах виртуализации GPU.

Подробнее

Где найти поддерживаемые GPU

Virtual Compute Server поддерживается самыми мощными графическими процессорами NVIDIA, включая NVIDIA A100 с тензорными ядрами, NVIDIA A30 с тензорными ядрами, NVIDIA A40, NVIDIA T4 и NVIDIA V100 с тензорными ядрами.

Посмотрите полный список GPU NVIDIA, рекомендованных для виртуализации.

NVIDIA также тесно сотрудничает с широкой экосистемой партнеров. Посмотрите список партнеров на странице «Найти сертифицированный сервер».

«Примерь перед покупкой»

Бесплатная пробная лицензия на 90 дней

Зарегистрироваться

Купить vCS

Приобретите решение NVIDIA vGPU у сертифицированного партнера NVIDIA (NPN). Наша обширная сеть партнеров может помочь в разработке архитектуры и развертывании оптимальной ускоренной виртуализированной среды.

Купить

ВОПРОСЫ И ОТВЕТЫ

Чем vCS отличается от NVIDIA vPC/vApps и NVIDIA RTX vWS?

NVIDIA Virtual PC (vPC) и Virtual Apps (vApps), а также NVIDIA RTX Virtual Workstation (vWS) — это клиентские вычислительные решения для виртуализации бизнеса и работы с графикой и видео. vCS разработан для ресурсоемких серверных задач: ИИ, глубокого обучения и data science.
Лицензируется ли vCS так же, как и NVIDIA vPC/vApps и NVIDIA RTX vWS?

Нет, vCS лицензируется иначе. На vPC/vApps и vWS приобретается постоянная или годовая подписка по числу одновременных пользователей. Так как vCS предназначен для серверных нагрузок, лицензия привязана к GPU, а не к пользователю. На vCS приобретается годовая подписка по лицензии GPU. Подробнее о лицензии можно прочитать в руководстве «Комплектации, цены и лицензии NVIDIA Virtual GPU».
Какие GPU NVIDIA поддерживаются vCS?

Чтобы определить, какие GPU поддерживаются vCS, обратитесь к странице «GPU NVIDIA для виртуализации». Для vComputeServer рекомендуется использовать NVIDIA A100, V100S, V100, A40, T4, NVIDIA RTX 8000 и NVIDIA RTX 6000. NVIDIA P100, P40 и P6 также поддерживаются.
Какие гипервизоры поддерживаются vCS?

Ссылку на список поддерживаемых продуктов можно найти на странице «документация NVIDIA vGPU». Поддерживаются гипервизоры на базе KVM: Red Hat RHV/RHEL, Nutanix, Canonical и SUSE.
Какие серверы сертифицированы для запуска vCS?

Полный список сертифицированных серверов для всех продуктов vGPU можно посмотреть здесь.
Можно ли использовать контейнеры с vCS?

Да, контейнеры можно запускать на виртуальных машинах с vCS. NVIDIA NGC предоставляет полноценный каталог контейнеров с ускорением на GPU для глубокого и машинного обучения и НРС. Задачи также можно выполнять прямо на виртуальной машине без контейнеров при помощи vComputeServer.