NVIDIA (輝達) 剛向世人展現出一舉刷新舊紀錄的堅強實力，將運行 TPCx-BB 這項大數據分析基準的效能表現提高近20倍。

NVIDIA 使用由 16 台NVIDIA DGX A100 系統支援的
RAPIDS開源資料科學軟體庫套件，僅花費 14.5 分鐘便完成了這項基準測試，而對比先前的紀錄，使用 CPU 系統花了 4.7 小時才完成測試。這 16 台 DGX A100 系統共有 128 個 NVIDIA A100 GPU，並且使用 NVIDIA Mellanox 網路技術。

所有系統忙碌運行：各項軟硬體齊頭並進，達到全速前進的結果

我們在進行分析之際，實際結果的重要性不言而喻；而在實際環境中，組織使用人工智慧 (AI) 來取得深入的見解。TPCx-BB 基準測試在進行查詢時，是使用 SQL 和機器學習來處理結構化資料，以及使用自然語言處理和非結構化資料，反映出現代資料分析工作流程中的多樣性。

這些結果樹立出一個新的標準，而這個新標準的背後推手是透過 NVIDIA 的軟硬體商業生態體系所獲得。

在運行此一測試基準時，NVIDIA 在資料處理與機器學習方面用上了 RAPIDS、在水平擴展方面用上了Dask，在超高速通訊方面則用上了
UCX開源函式庫，並且全都在 DGX A100 上加速運行。

DGX A100 系統可以在單一軟體定義平台上，有效推動進行分析、AI 訓練與推論等作業。DGX A100 將 NVIDIA 最新的 Ampere 架構NVIDIA A100 Tensor Core GPU與 NVIDIA Mellanox 網路技術整合在一起，構成了一個易於擴展的一站式系統。

平行處理創造出無與倫比的效能表現

TPCx-BB 是一個用於企業的大數據基準，代表現實環境中的 ETL (擷取、轉換、載入) 與機器學習工作流程。該基準的三十個查詢項目包括庫存管理、價格分析、銷售分析、推薦系統、客戶區隔和觀點分析等大數據分析使用案例。

儘管分散式運算系統不斷穩定進步著，但在 CPU 上進行這類大數據分析工作仍會遇到瓶頸。在 DGX A100 上使用 RAPIDS 進行分析的結果，象徵著第一個在 GPU 上進行的非正式 TPCx-BB 基準，而這項測試基準過去只在 CPU 系統上運行。

在這項測試基準中，RAPIDS 軟體商業生態體系與 DGX A100 系統加快了運算、通訊、網路及儲存基礎架構的運行速度，而這種整合為大規模運行資料科學工作量奠定新的標竿。

大數據規模的高效率測試基準

在 SF10000 TPCx-BB 的規模方面，NVIDIA 的測試結果代表著分析 10TB 以上資料量的表現。

透過這麼大的資料量進行查詢，其複雜度會迅速拉長執行時間，進而增加資料中心於空間、伺服器設備、電力、冷卻和 IT 專業技術等方面的開銷。彈性的 DGX A100 架構可以協助資料中心因應這些難題。

NVIDIA 的硬體合作夥伴即將推出全新的 NVIDIA A100 Tensor Core GPU 系統，資料科學家就會有更多選擇，在 A100 GPU 突破性運算效能的協助下，加速處理各項繁重的分析工作。

開放源碼社群通力合作，加快發展腳步

許多合作夥伴與開源團體積極參與RAPIDS TPCx-BB 基準這項專案。

將一連串使用 RAPIDS DataFrame 函式庫、cuDF、RAPIDS 機器學習函式庫、cuML、CuPy、BlazingSQL 及 Dask 的 Python 腳本當成主要函式庫來進行TPCx-BB 查詢作業。在使用者定義的函數中使用 Numba 來執行自訂邏輯項目，在命名實體識別 (Named Entity Recognition) 則是使用 spaCy。

少了 RAPIDS 及更龐大的 PyData 商業生態體系，便無法達到這些成果。

欲瞭解更多關於 RAPIDS 測試基準的結果，請參閱 RAPIDS Blog。更多關於RAPIDS的資訊，請瀏覽 rapids.ai。

延伸閱讀

(01) 技嘉為NVIDIA A100 PCIe GPU推出眾多G系列伺服器產品組合
(02) NVIDIA ISC 2020 (上)：發表全新A100 PCIe運算加速卡，比V100快20倍! 聯袂SXM卡、UFM Cyber-AI、RAPIDS評測軟體亮相
(03) NVIDIA ISC 2020 (下)：TOP 500超級電腦排名中，NV擁有333款，佔2/3強，另Selene超級電腦求單出爐
(04) NVIDIA 刷新大數據分析基準的紀錄，RAPIDS 資料科學軟體在 DGX A100 上高速運行將TPCx-BB的運算表現一舉提高了19.5倍 (本篇)
(05) TOP500 榜單上的超級電腦採用 NVIDIA 技術，以達到加速節能的目標