NVIDIA Technical Blog · 08.07.2026 ·Данные и инжиниринг

Ускорение аналитических запросов в Presto с помощью GPU NVIDIA GB200 NVL72

NVIDIA представила решение для оптимизации распределенного SQL-движка Presto с использованием графических ускорителей GB200 NVL72. Интеграция позволяет значительно сократить время выполнения интерактивных аналитических запросов при работе с крупными массивами данных. Использование GPU-ускорения в архитектуре Presto обеспечивает высокую пропускную способность и низкую задержку, что критически важно для современных систем обработки данных и подготовки пайплайнов для ИИ-моделей.

Традиционные аналитические системы часто сталкиваются с ограничениями CPU при обработке петабайтных объемов данных. Перенос вычислительной нагрузки на архитектуру Blackwell позволяет параллельно выполнять сложные операции фильтрации, агрегации и соединения таблиц. Это решение ориентировано на компании, которым требуется оперативный доступ к аналитике в режиме реального времени без необходимости длительного ожидания ответа от хранилищ данных.

Технология опирается на возможности NVLink Switch, который обеспечивает высокоскоростное взаимодействие между графическими процессорами, минимизируя узкие места при передаче данных между узлами кластера. Внедрение GPU-ускоренного Presto позволяет масштабировать аналитические мощности пропорционально росту объема данных, сохраняя при этом предсказуемую производительность для сложных SQL-запросов.

Ключевые факты

Использование архитектуры NVIDIA GB200 NVL72 позволяет кратно увеличить скорость обработки SQL-запросов в распределенных средах.
Оптимизация направлена на снижение задержек при выполнении интерактивных аналитических нагрузок на больших датасетах.
Технология NVLink Switch обеспечивает прямое взаимодействие между GPU, устраняя задержки при обмене данными в кластере.
Решение предназначено для интеграции в существующие инфраструктуры обработки данных, использующие открытый движок Presto.

Источник: NVIDIA Technical Blog

Обсудить с ИИ

Похожие материалы

NVIDIA Technical Blog · Данные и инжиниринг Проектирование GPU-ускоренных движков запросов с NVIDIA GQE NVIDIA представила архитектурные подходы к созданию движков запросов, использующих ускорение на GPU для обработки данных. Основное внимание уделено преодолению ограничений пропускной способности памяти и ввода-вывода. Использование технологий HBM и специализированных библиотек позволяет значительно повысить производительность аналитических систем, работающих с большими объемами данных, что критически важно для современных пайплайнов машинного обучения и высоконагруженных баз данных. NVIDIA Technical Blog · Инференс и железо Оптимизация инференса на NVIDIA GB200 с Slurm NVIDIA представила подход к оптимизации производительности инференса на своих новых GPU GB200 NVL72 с использованием Slurm — популярного менеджера рабочих процессов. В статье на Developer NVIDIA объясняется, как топологически осознанное планирование задач позволяет максимально использовать мощности современных ускорителей. NVIDIA Technical Blog · Машинное обучение Ускорение BEV-пулинга на GPU NVIDIA для систем физического ИИ NVIDIA представила методы оптимизации BEV-пулинга (Bird's-Eye-View) — критически важного этапа обработки данных в автономном транспорте и робототехнике. Новые подходы позволяют значительно сократить задержки при проекции данных с камер в единое 3D-пространство, что критично для систем реального времени. Оптимизация реализована через специализированные CUDA-ядра, повышающие пропускную способность при работе с пространственными признаками. Hacker News · Инференс и железо Обработка данных переходит на GPU Обработка данных всё чаще выполняется на графических процессорах (GPU), что меняет подходы к аналитике и машинному обучению. Это связано с ростом сложности задач и необходимости ускорения вычислений. GPU позволяют обрабатывать большие объёмы данных быстрее, чем традиционные CPU, что особенно важно для задач машинного обучения и анализа в реальном времени. Hacker News · Инфраструктура для агентов Инструменты профилирования CUDA для оптимизации инференса в продакшене Разработчики систем машинного обучения получили новый подход к мониторингу производительности GPU при работе с нейросетями в реальном времени. Основная сложность при запуске моделей в продакшене заключается в поиске «узких мест», которые возникают на уровне низкоуровневых операций CUDA. Традиционные инструменты часто требуют остановки процессов или сложной настройки окружения, что делает их непригодными для высоконагруженных систем. Hacker News · Инфраструктура для агентов NVIDIA представила NVCF для масштабируемого развертывания ИИ-нагрузок NVIDIA выпустила NVCF (NVIDIA Cloud Functions) — платформу для управления и масштабирования GPU-ускоренных ИИ-сервисов. Решение позволяет разработчикам развертывать модели как облачные функции, обеспечивая автоматическую маршрутизацию запросов, управление очередями и динамическое масштабирование ресурсов в зависимости от нагрузки, что упрощает эксплуатацию сложных агентных систем и высокопроизводительных ИИ-приложений в продакшене. Hacker News · Инфраструктура для агентов Ускорение вычислений для ИИ без использования LLM Разработчики представили ILNumerics Accelerator — компилятор, который оптимизирует работу с массивами данных напрямую, исключая необходимость в LLM для управления вычислительными процессами. Решение позволяет автоматически переносить сложные математические операции на GPU, обеспечивая высокую производительность при обработке больших объемов данных, что критически важно для создания эффективной инфраструктуры ИИ-агентов и аналитических систем с низкими задержками. Hacker News · Инференс и железо Runway оптимизирует использование GPU для исследовательских задач Компания Runway представила инициативу «Borrowing the Night», направленную на эффективное использование простаивающих мощностей графических процессоров. В ночное время, когда нагрузка на инференс-серверы снижается, компания перераспределяет вычислительные ресурсы на исследовательские задачи и обучение моделей. Это позволяет значительно сократить затраты на инфраструктуру и ускорить цикл разработки новых генеративных технологий без необходимости закупки дополнительного оборудования. NVIDIA Technical Blog · Инференс и железо Ускорение инференса в 15 раз на архитектуре NVIDIA Blackwell через DFlash NVIDIA представила технологию DFlash, предназначенную для оптимизации работы больших языковых моделей на аппаратной платформе Blackwell. Метод основан на технике спекулятивного декодирования, которая позволяет значительно сократить задержки при генерации текста. В отличие от стандартных подходов, DFlash использует специализированные механизмы предсказания токенов, что позволяет достичь ускорения инференса до 15 раз в зависимости от конфигурации системы и типа модели. Hacker News · Инференс и железо Ускорение матричных операций на GPU в 2678 раз Исследователи обнаружили, что графические процессоры (GPU) могут ускорять матричные операции в 2678 раз по сравнению с традиционными методами. Это открытие имеет значительное значение для машинного обучения и обработки больших данных, где матричные вычисления являются ключевым элементом.

← Все материалы