Fujitsu
PRIMERGY GX M6
szerverek
Robosztus, GPU-val gyorsított szerverek
a modern munkafolyamatokhoz.
Célkeresztben az adatok feldolgozása
Napjaink adatközpontú világában cégmérettől és iparágtól függetlenül minden vállalatnál az adat az üzleti működés motorja. Az adattömeg exponenciális növekedésével a szervezeteknek gyorsabban kell reagálniuk, több adatot kell tárolniuk, és képesnek kell lenniük feldolgozni a hálózat peremén, az adatközpontban és a felhőben tárolt adatokat. Sajnos a számok azt mutatják, hogy sok vállalat nem használja fel az általa gyűjtött és tárolt adatok többségét. A GPU-val gyorsított számítástechnika azonban megváltoztatja ezt a helyzetet.
Nagyobb számítási teljesítmény birtokában a vállalatok többet megtudhatnak adataikból, új lehetőségeket tárhatnak fel, és megvalósíthatják legambiciózusabb adatvezérelt növekedési stratégiáikat.
Milyen területekre ajánljuk GPU szervereinket?
A Gartner elemzőcég kutatása szerint átlagosan évi több mint 20%-os növekedés várható a szerverekhez gyártott GPU-k piacán.
Hatalmas potenciál rejtőzik a GPU szerverekben a különböző adatfeldatok ellátására, köztük kiemelendő az MI, az adattudomány, a mélytanulás, az adatanalitika, a virtuális asztali infrastruktúra (VDI) és a grafika gyorsítás is.
Mesterséges Intelligencia
A gépi tanulás (machine learning) egy olyan MI (mesterséges intelligencia) technológia, amely algoritmusokkal tanul az adatokból és az intuitív mintákból, lehetővé téve a számítógép számára, hogy döntéseket hozzon nagyon kis emberi interakcióval.
A mély tanulás (deep learning) a gépi tanulás részhalmaza, amelyet számos alkalmazásban használnak, ideértve az önvezető autókat, a rákkutatásokat, a számítógépes látást és a beszédfelismerést is. A Deep Learning algoritmusokkal komplex statisztikai számításokat végezhetünk el az adatok kiterjedt halmazán. A számítógép ennek következtében képessé válik az új adatok azonosítására és kategorizálására. A mély tanulás ezen képzési folyamata összefüggések millióinak kiszámítását foglalja magában. A képzési folyamat felgyorsítása érdekében ezeket a műveleteket párhuzamosan érdemes elvégezni.
A hagyományos processzorok (CPU) és az ezzel szerelt szerverek sorrendben kezelik a számításokat, azok nem futnak párhuzamosan. A több magos és többszálas CPU-kkal szerelt szerverek valamivel gyorsabban képesek elvégezni ezeket a feladatokat. Ezzel szemben a nagyteljesítményű GPU-val (grafikus egységgel) szerelt szerverek kifejezetten hatékonyak az MI alkalmazások számára, hiszen a mai GPU-k jellemzően több ezer feldolgozóegységgel (maggal) vannak ellátva, így időt és pénzt spórolhatunk meg használatukkal.
A vállalkozások rengeteg módon profitálhatnak az MI-ből, különösen a gépi tanulásból. Intelligens, adatközpontú előrejelzések készítésére használhatják fel, különféle összefüggésekben. Például az e-kereskedelmi webáruházak a gépi tanulás segítségével prediktív árképzést alakíthatnak ki, amely figyelembe veszi a versenytársak árait, piaci a keresletet és kínálatot is.
Virtuális asztal infrastruktúrák
Manapság egyre inkább előtérbe kerülnek a speciális videokártyával gyorsított virtuális asztal infrastruktúrák (VDI) az egyre gyorsabb internetkapcsolatnak, a modern mobileszközöknek és a home-office egyre szélesebb térnyerése következében. Ezek óriási előnye, hogy szinte bármilyen eszközről ugyanazt a munkaterületet érhetjük el, és úgy tudunk távolról dolgozni, hogy az adataink nem hagyták el a céges adatközpontot.
Amennyiben laptopunk elromlana, vagy épp eltulajdonítanák azt, biztosak lehetünk benne, hogy szenzitív adataink nem kerültek veszélybe, hiszen azok nem lokálisan tárolódtak. A VDI segítségével egyszerűbb, gyorsabb és hatékonyabb lehet a munka, az adatmentés és helyreállítás, illetve akár a zsarolóvírusok elleni védekezés is.
Ezen előnyöknek azonban ára van: egy egyszerűbb Windows 10 asztal, vagy egy Microsoft 365 alkalmazás is egyre komolyabb grafikai igényeket támaszt. A nagy teljesítményű GPU szerverekkel olyan alkalmazások is futtathatóvá válnak, melyek korábban elképzelhetetlennek bizonyultak VDI környezetben. Lehetőségünk nyílik akár több monitoros munkára, vagy akár nagyfelbontású 4K-s kijelzők használatára is. Az „új alkalmazások” futtathatóságán kívül még a kiszolgáló processzorát is tehermentesíti a grafikai feladatok alól, így tipikusan akár 30%-al több felhasználó tud ugyanazon a kiszolgálón egy időben dolgozni. Így a biztonságos távoli munkavégzés mellett megnövekedett felhasználói élményt, nagyobb termelékenységet, hatékonyabb erőforráskihasználást és akár alacsonyabb TCO-t érhetünk el.
Tudományos kutatások
Mind a kutatók, mind a modern vállalatok ma már az adattudományt és a gépi tanulást használják, hogy nagyobb értéket és betekintést nyerhessenek ki az adatvagyonukból.
A tudományos munkafolyamatok, melyek sok adat számítógépes feldolgozásán alapulnak korábban lassúak és nehézkesek voltak. Processzorra (CPU) támaszkodva az adatok betöltése, szűrések kezelése, valamint a modellek elkészítése és tesztelése rendkívül időigényes folyamattá válik nagyobb adatmennyiség esetén. Az adattudományi számítások korlátozott sebessége behatárolta kutatók munkáját, sok kisérletre, fejlesztési- és tesztelési munkákra egyszerűen nem jutott elég számítási kapacitás és idő.
Ma ezen területen már olyan adatszervereket alkalmaznak, melyek grafikus egységekre (GPU-kra) támaszkodnak. A GPU-k jelentősen csökkentik az infrastruktúra költségeit és elképesztő teljesítményt nyújtanak. A GPU által gyorsított adattudomány a tudósok, elemzők és mérnökök keze ügyébe helyezi az innováció lehetőségét, azáltal, hogy adatfeldolgozási és elemzési folyamatokat futtathatnak villámgyorsan óriási adathalmazokon.
Ezeknek a nem mindennapi GPU szerverek segítségével jelentős áttöréseket érhetnek el a kutatók például az orvosi képdiagnosztika, a molekuladinamika, a genomszekvenálás, a különböző szimulációk és kölcsönhatások vizsgálatakor továbbá nagy szerepe lehet kvantumelektrodinamikai folyamatok vizsgálata és komplex mérnöki rendszerek digitális modellezése során. A GPU szerverek nyújtotta teljesítményt használhatjuk a különféle képalkotó rendszerek (kamera, LIDAR, radar, stb.) és egyéb érzékelők adatainak elemzésére, az ismeretlen környezet feltérképezésére, a mért értékek előfeldolgozására, pontosságuk javítására, valamint a hibás mérési adatok, torzítások észlelésére és kompenzálására is.
Nagy teljesítményű számítástechnika
A nagy teljesítményű számítástechnika (HPC) az adatfeldolgozás és az összetett számítások nagy sebességű elvégzésének képessége. A perspektíva szempontjából egy 3 GHz-es processzorral rendelkező laptop vagy asztali számítógép kb. 3 milliárd számítást képes másodpercenként elvégezni. Bár ez sokkal gyorsabb, mint amit bármely ember képes elérni, eltörpül a teljesítményük a HPC-megoldások fényében.
Hagyományosan processzorra támaszkodó szerverek látták el ezeket a feladatokat az évek alatt. Mostanra azonban olyan szervereket alkalmaznak egyre szélesebb körben, melyekben a GPU (grafikus egység) kapja a főszerepet. A GPU-alapú szerverek kimagasló lebegőpontos számításokkal sok esetben képesek jobb eredményt produkálni, mint a CPU-alapú rendszerek. Egyes esetekben az órákig tartó számításokat akár percek alatt elvégezhetjük.
Az adatok gyors feldolgozása révén úttörő felfedezésekre juthatunk, a GPU alapú szerverek tehát az egész világ fejlődésének mozgatórugójává váltak. Segítségükkel nem csupán a globális életminőségen javíthatunk, hanem ezeket számtalan területen kamatoztathatjuk. Számos célból, például egy élő esemény streamingje, a fejlődő vihar nyomon követése, új termékek tesztelése vagy a részvény trendek elemzése szempontjából az adatok valós idejű feldolgozásának képessége kulcsfontosságú. Már most előszeretettel használják a gyártóiparban, a bankszektorban, a honvédelemben, a meteorológiában, a gyógyszerkutatásban, de forradalmat hozhat el a közbiztonság, az oktatásügy, az egészségügy, a foglalkoztatás vagy épp a földművelés és erdőgazdálkodás területén és más iparágakban is.
Miért válaszd a Fujitsu újgenerációs GPU szervereit?
A kifejezetten GPU-val gyorsított feladatokhoz tervezett, Fujitsu PRIMERGY GX M1 és M6 szerverekkel a vállalatok gyorsabban nyerhetnek ki értéket adataikból, javíthatják ügyfélélményt, új piacokra léphetnek be, és fokozhatják dolgozóik, illetve folyamataik produktivitását.
GPU gyorsított csúcsteljesítmény
Megbirkóznak bármilyen adatfeladattal annak köszönhetően, hogy a legújabb generációs Intel Xeon illetve AMD EPYC processzorral, akár 2 TB memóriával és akár 8x NVIDIA nagyteljesítményű PCIe GPU kártyával szerelhetőek, valamint hogy „NGC-Ready” és NVQual tanúsítással is rendelkeznek.
Bővíthető, jövőbiztos kialakítás
Akár 10x SATA / NVMe meghajtó és 10x PCIe Gen4 port támogatása mellett (ezek rendelkezésre állása a telepített GPU számoktól és típusától függ), hálózati csatlakozások széles tárháza áll rendelkezésre. További ki- és bemenetek is rendelkezésre állnak, például USB és VGA portok.
Költséghatékonyság és megbízhatóság
A kompakt kialakítású szervereket kettős, vagy akár 3+1 db redundánsan működő, nagy energiahatékonyságú, platinum osztályú tápegységekkel látták el. A redundáns tápegységeknek köszönhetően nő a szerver megbízhatósága, és egy esetleg üzemhiba esetén sem kell leállástól tartanod.
Egyszerű használat a teljes életciklus alatt
A szerverek az egyszerű használhatóság jegyében készültek. A FUJITSU ISM szoftverével olyan könnyen átlátható felhasználói felülethez férhet hozzá, mellyel információt kaphat a szerver állapotáról és eseményekrő is. Ez az átfogó felügyeleti rendszer megkönnyíti a rendszergazdák életét.
Állítsd össze
az igényeidhez legjobban illeszkedő
Fujitsu PRIMERGY GX szervert!
Fujitsu PRIMERGY GX2460 M1
GPU szerver (1U) konfigurátor
Fujitsu PRIMERGY GX2570 M6
GPU szerver (2U) konfigurátor
Ajánlatkérés
Kérdésed van? Árajánlatot szeretnél kérni az összeállított Fujitsu PRIMERGY GX GPU szerverre? Egyedi igényeid vannak? Ne habozz, írj nekünk, munkatársaink a lehető leghamarabb válaszolnak minden megkeresésre.
Kurucz Tamás
HRP Europe Kft.
Vállalati szervermegoldás specialista
