适用于 Apache Spark 的 RAPIDS 加速器

借助 NVIDIA GPU 加速所有主要的 Apache Spark 3 平台,无需更改代码。

优势

更快的执行时间

加速提升数据准备任务的性能,更快地训练 AI 模型并实现实时分析。

降低基础设施成本

用更少的资源完成更多的工作:与 CPU 相比,基于 NVIDIA GPU 的 Spark 能以更少的硬件更快地完成任务,从而节省时间以及本地资本成本或云端运营成本。

快速实现价值

快速体验优势,无需更改代码。随附的工具可确定适用于 GPU 加速的最佳作业,并计算优化配置。

加速 Spark 的用例

GPU 加速可通过多种方式帮助您改善业务成果。以下是适用于 Apache Spark 的 RAPIDS 加速器的一些关键用例。

数据处理可扩展性

不断增长的数据量给 IT 资源带来压力。GPU 加速赋能计算基础设施,因此可以处理更多数据。通过加速运营,Taboola 能够在其现有数据中心占地面积内保持处理截止日期,处理不断增长的数据量。

AI Pipelines

AI Pipelines 由多个步骤组成,包括数据准备、转换、特征工程和数据提取。使用 GPU 加速这些操作可缩短训练时间,并大幅降低基础设施成本。ATandT 将 AI Pipelines 的成本和时间降低了 70%.

实时分析

企业依靠最新数据做出关键的运营决策。GPU 加速使其能够处理最新信息并实时获得见解。借助 GPU,CapGemini 帮助一家国际零售商将交易处理时间从几天缩短到几个小时。

TCO 分析工具

您的速度有多快?

评估您自己的 Apache Spark 工作负载的 GPU 加速潜力,并了解如何配置集群以大幅节省成本。

企业就绪型 Spark 加速

 NVIDIA AI Enterprise 提供适用于 Apache Spark 的 RAPIDS 加速器。通过在本地和云端的认证平台(包括 Amazon EMR、Google Cloud Dataproc 和 Databricks)上获得全面的企业级支持、安全性和稳定性,为 Spark 部署提供优化的性能。利用有保证的响应时间、优先安全通知以及与 NVIDIA 数据科学专家联系的机会。

获取免费电子书,详细了解 GPU 加速的 Apache Spark

要挖掘 AI 驱动的大数据价值,并详细了解 Apache Spark 的下一次演进,请下载电子书《加速 Apache Spark 3.x - 利用 NVIDIA GPU 助力分析和 AI 新时代》