1?

什么是流處理？

流是從生產(chǎn)者到消費(fèi)者的一系列無(wú)限事件。大量數(shù)據(jù)生成為金融交易、傳感器測(cè)量或 Web 服務(wù)器日志等事件流。流處理是對(duì)接收到的新數(shù)據(jù)事件的連續(xù)處理。

Streamz 等流處理庫(kù)有助于構(gòu)建用于管理連續(xù)數(shù)據(jù)流的流程，允許應(yīng)用程序在事件發(fā)生時(shí)對(duì)其作出響應(yīng)。

流處理流程通常涉及多個(gè)操作，例如過(guò)濾、聚合、計(jì)數(shù)、分析、轉(zhuǎn)換、充實(shí)、分支、連接、流量控制、早期階段反饋、回壓和存儲(chǔ)。

2?

為何選擇流處理？

數(shù)據(jù)流的持續(xù)處理在許多應(yīng)用程序中都非常有幫助，例如：

醫(yī)療健康：持續(xù)監(jiān)控儀器數(shù)據(jù)

智慧城市：交通模式和擁塞管理

制造：優(yōu)化和預(yù)測(cè)性維護(hù)

運(yùn)輸：優(yōu)化路線和燃料消耗

汽車：智能汽車

網(wǎng)絡(luò)安全和異常檢測(cè)：Web 或網(wǎng)絡(luò)日志處理

金融：股票上市時(shí)間序列

機(jī)器學(xué)習(xí)：實(shí)時(shí)預(yù)測(cè)

廣告：基于位置或動(dòng)作的廣告

由于各企業(yè)高度依賴實(shí)時(shí)分析、推理、監(jiān)控等功能，因此流處理市場(chǎng)正經(jīng)歷指數(shù)級(jí)發(fā)展?，F(xiàn)在，基于流構(gòu)建的服務(wù)是日常業(yè)務(wù)的核心組成部分，結(jié)構(gòu)化遙測(cè)事件和非結(jié)構(gòu)化日志正以每年超過(guò) 5 倍的速度增長(zhǎng)。在現(xiàn)代商業(yè)環(huán)境中，這種規(guī)模的大數(shù)據(jù)流愈加復(fù)雜并且難以有效地運(yùn)行，因此，經(jīng)濟(jì)高效的可靠流對(duì)其至關(guān)重要。

3?

GPU 加速流處理

NVIDIA RAPIDScuStreamz 是 GPU 加速流數(shù)據(jù)處理庫(kù)，旨在加速流處理吞吐量并降低總擁有成本 (TCO)。NVIDIA 的 cuStreamz 制作流程每年可節(jié)省數(shù)十萬(wàn)美元。cuStreamz 使用 Python 編寫(xiě)，基于 RAPIDS（用于數(shù)據(jù)科學(xué)庫(kù)的 GPU 加速器）而構(gòu)建。通過(guò)添加 GPU 支持的 Flink 可以看出，端到端 GPU 加速正迅速成為行業(yè)標(biāo)準(zhǔn)，NVIDIA 很高興能成為此趨勢(shì)的一個(gè)組成部分。

cuStreamz 基于以下內(nèi)容構(gòu)建：

Streamz，一個(gè)能夠幫助構(gòu)建管理連續(xù)數(shù)據(jù)流流程的開(kāi)源 Python 庫(kù)；

Dask，一個(gè)能夠并行處理流工作負(fù)載的穩(wěn)健可靠的調(diào)度程序；

RAPIDS，一種用于流計(jì)算的 GPU 加速庫(kù)套件。

cuStreamz 通過(guò)在后臺(tái)利用 RAPIDS cuDF 來(lái)加速 Streamz，從而使用 GPU 加速流數(shù)據(jù)計(jì)算。cuStreamz 還受益于 cuDF 的加速 JSON、Parquet 和 CSV 讀取器和寫(xiě)入器。cuStreamz 團(tuán)隊(duì)構(gòu)建了一個(gè)加速 Kafka 數(shù)據(jù)源連接器，能夠非?？焖俚貙?Kafka 的數(shù)據(jù)直接讀取到 cuDF 數(shù)據(jù)幀中，從而顯著提升端到端性能。然后，可以使用 Dask 在分布式模式下并行運(yùn)行流流程，從而大規(guī)模提高性能。

在下圖中對(duì) cuStreamz 架構(gòu)進(jìn)行了概括總結(jié)。cuStreamz 是連接 Python 流與 GPU 的橋梁，應(yīng)用了檢查點(diǎn)和狀態(tài)管理等復(fù)雜可靠的流功能。cuStreamz 還提供了必要的基礎(chǔ)模塊來(lái)編寫(xiě)流作業(yè)，這些作業(yè)在 GPU 上安全運(yùn)行，并且性能更好，成本更低。

4?

GPU 加速的端到端數(shù)據(jù)科學(xué)

基于 NVIDIA CUDA-X AI構(gòu)建的 RAPIDS 開(kāi)源軟件庫(kù)，使您完全能夠在 GPU 上執(zhí)行端到端數(shù)據(jù)科學(xué)和分析流程。此套件依靠 NVIDIA CUDA基元進(jìn)行低級(jí)別計(jì)算優(yōu)化，但通過(guò)用戶友好型 Python 接口能夠?qū)崿F(xiàn) GPU 并行化和高帶寬顯存速度。

借助 RAPIDS GPU DataFrame，數(shù)據(jù)可以通過(guò)一個(gè)類似 Pandas 的接口加載到 GPU 上，然后用于各種連接的機(jī)器學(xué)習(xí)和圖形分析算法，而無(wú)需離開(kāi) GPU。這種級(jí)別的互操作性是通過(guò) Apache Arrow 這樣的庫(kù)實(shí)現(xiàn)的。允許加速數(shù)據(jù)準(zhǔn)備、機(jī)器學(xué)習(xí)和深度學(xué)習(xí)等端到端流程。

RAPIDS cuML 的機(jī)器學(xué)習(xí)算法和數(shù)學(xué)基元遵循熟悉的類似于 scikit-learn 的 API。單塊 GPU 和大型數(shù)據(jù)中心部署均支持 XGBoost 等主流算法。針對(duì)大型數(shù)據(jù)集，相較于同等功效的 CPU，這些基于 GPU 的實(shí)施方案能夠以 10 到 50 倍的速度更快地完成任務(wù)。

RAPIDS 支持在許多熱門數(shù)據(jù)科學(xué)庫(kù)之間共享設(shè)備內(nèi)存。這樣可將數(shù)據(jù)保留在 GPU 上，并省去了來(lái)回復(fù)制主機(jī)內(nèi)存的高昂成本。

*與NVIDIA產(chǎn)品相關(guān)的圖片或視頻（完整或部分）的版權(quán)均歸NVIDIA Corporation所有。

審核編輯：劉清