一文读懂：AI时代为什么需要DPU？

admin管理员组

文章数量:1607724

各位小伙伴们大家好哈，我是老猫。

今天跟大家来聊聊DPU。

我们知道，AI时代的到来，数据中心快速发展，CPU不仅需要提供强大计算能力，还要提供数据中心的虚拟化、网络、存储以及安全等方面的管理，这就让数据中心的CPU不能物尽其用。

比如，你买了100核的CPU，只能用90个核，

其他10个核去哪里了？

跑了一堆数据中心的软件，安全，存储，管理等等。

那么这些额外10个核的开销部分就造成了一些浪费。相当于花了100块钱，只有90块钱被用在了计算上。

因此，那么就需要一个专门干脏活累活的角色——DPU

DPU就是来分担CPU在数据中心中除了计算方面其它工作的。

今天我们就来聊聊，为什么AI时代需要DPU，DPU现在发展到底怎样？

▉ 为什么需要DPU？

在传统的在冯·诺依曼架构体系中，网络一般只是起到数据传输的作用，计算都是以CPU或GPU为中心，而当ChatGPT和BERT等大型复杂模型将其工作负载分配到数量众多的GPU进行并行计算时，将产生大量的突发梯度数据传输，从而容易导致网络拥塞。

这是传统冯·诺依曼架构的一个天然弊端，在算力提升的AI时代，无论是提升带宽还是降低延迟都无法解决网络这一问题。

那么如何继续提升数据中心网络的性能呢？

这个时候，就需要DPU出现了。简单来说就是DPU让网络不仅能够提供数据传输的功能，还要承担一些数据处理的计算。

通过这种新的架构方式可以让CPU或GPU专心做自己擅长的计算任务，将一些基础设施操作工作负载分配到DPU上，从而解决网络传输中多打一的瓶颈问题或丢包问题。据了解，通过这种方式可以使网络延时降低10倍以上。

那么有人就要问了，这个DPU到底在网络中能起到什么作用呢？

我举个例子来说明一下。

就像经营餐馆一样，以前人手比较少，老板一个人承担采买、洗切、配菜、烹调、传菜和收银等全部工作，就像CPU一样，不仅要进行数学和逻辑运算，还要管理外部设备，在不同的时间执行不同的任务，并进行任务的切换，从而满足业务应用程序执行的需要。

但是随着要服务的就餐客户数量的增多，就需要将不同的任务由不同的人员分担，有多个店员负责采买、洗切、配菜，保障厨师的烹调备料；有多位厨师并行进行烹调，提升菜品制作效率；有多位服务员提供服务和传菜，保证多桌客户的服务质量；而老板就只负责收银和管理。

如此一来，店员和服务员团队像是DPU，对数据进行处理和移动；厨师团队像是GPU，对数据进行并行计算，而老板像是CPU，获取业务应用需求并交付结果。

▉ DPU的发展史

DPU这个概念是在2020年出现的，那一年，NVIDIA正式推出了两款 DPU 产品：BlueField-2 DPU 和 BlueField-2X DPU 。

其实在推出这两款产品之前，与DPU类似的功能产品就已经在数据中心中开始逐渐被使用。

我们从智能网卡说起。

当时，为了降低CPU在数据中心的额外消耗，来自以色列的Mellanox公司提出了 Smart NIC （智能网卡）的概念。

这个智能网卡除了能完成标准网卡所具有的网络传输功能之外，还提供内置的可编程、可配置的硬件加速引擎，在提升应用的性能和大幅降低CPU在通信中的消耗。

例如，在虚拟化的环境中，CPU需要运行OVS（Open Virtual Switch）相关任务，同时还要处理存储、数据包的在线加解密或离线加解密、数据包深度检查、防火墙、复杂路由等操作，这些操作导致CPU性能不能发挥到最佳。

智能网卡的出现，为解决额外消耗问题提供了新的思路。

我们可以通过智能网卡来将OVS操作从CPU卸载下来，并完成存储加速、数据加密、深度包检测和复杂路由等各种功能，将花费在处理这些工作负载上的大量的CPU周期返回给主机CPU，同时解决了不同业务之间的冲突问题，大幅提升了各项业务的性能，也确保了服务器CPU能为应用提供最大的处理能力或者提供更多的虚拟机（VM）服务，创造更大的价值。

正是看到了智能网卡的巨大商业价值，2019年3月，英伟达花费69亿美元收购了以色列芯片公司 Mellanox 。并在2020年推出了DPU产品，从此， DPU 这个概念正式进入了公众视野。

▉ DPU有哪些应用？

从上文中虚拟化中的应用我们可以看到，DPU将基础设施任务从CPU转移至DPU，释放CPU的资源，使更多的服务器CPU核可用于运行应用程序，完成业务计算，从而提高服务器和数据中心的效率。

那么还有哪些地方可以用到DPU呢？

1. 将服务从主机卸载到DPU

目前，DPU还可以针对云原生环境进行优化，加速的网络、存储、安全和管理等服务。

如下图所示，红帽Red Hat的容器化云平台即服务（PaaS）OpenShift上，借助DPU优化数据中心资源利用率，将网络相关的数据处理（如VxLan和IPSec等）卸载到DPU加速执行，在25Gb/s网络条件下，OpenShift部署DPU用来加速，可以只用1/3的CPU占用了来达到25Gb/s性能，而在100Gb/s网络条件下，未部署DPU的场景将达不到100Gb/s网络线速，DPU可以带来10倍的性能优势。

2. 提供零信任安全保护

零信任（Zero Trust）是一种以安全性为中心的模型，其基于以下思想：企业不应对其内外的任何事物授予默认信任选项。零信任可以减少数据泄露、拒绝未授权的访问，因此在数据安全方面价值巨大。DPU可以为企业提供零信任保护，通过将控制平面由主机下放到了DPU，实现主机业务和控制平面的完全隔离，数据将无法进行穿透，保证安全性。

DPU的出现相当于为每个服务器配备了一台"计算机前的计算机"以提供独立、安全的基础设施服务，并与服务器应用域安全隔离。如果主机遭受入侵，安全控制代理与被入侵主机之间的DPU隔离层可防止攻击扩散至整个数据中心。

这样DPU就解决了企业不愿直接在计算平台上部署安全代理的情况。通过在完全隔离于应用程序域的DPU上部署安全代理，企业不仅能获得对应用程序工作负载的可见性，还能在其基础设施中执行一致的安全策略。

3. 助力实现"算存分离"

通过在服务器系统的数据入口处引入计算资源，在DPU上独立实现面对应用需求的存储方案，帮助存储厂商在数据中心中低成本地灵活部署、升级高级存储协议，而完全不需要对现有软件栈进行任何更改。

存储厂商可以把自家团队为各行业应用开发的开放系统的直连式存储(DAS)、纵向扩展（Scale-UP）、横向扩展（Scale-OUT）、超融合架构（Hyperconverged）等存储解决方案，零开销地推广到各个应用领域的现有业务处理平台和数据中心基础架构中，而所有的安全加密、数据压缩、负载均衡等复杂又必须的功能则完全由DPU透明地卸载。

存储行业的革新算法和实现，可以在DPU架构中，独立于服务器操作系统进行部署。DPU技术帮助存储厂商实现真正的"算存分离"，完全发挥自家产品的技术优势，打通最高效服务应用需求的通路。

如今数据中心中的各项操作主要都在CPU上完成，包括计算任务和各项基础设施任务等，而面对数据处理需求的增长，CPU的算力已经达到瓶颈，摩尔定律逐渐失效，GPU的出现解决了CPU的算力问题，数据中心的瓶颈转向基础设施任务，如数据存储、数据验证、网络安全等。

DPU的出现满足了这样的通用的基础设施任务加速的需求。由DPU构建强大的基础设施层，上层的CPU和GPU来完成计算任务。DPU具有的特性为：

1）行业标准、高性能、软件可编程的多核CPU，通常基于广泛使用的ARM架构，与其它SoC组件紧密耦合。

2）高性能网络接口，能够以线速或网络其余部分的速度解析、处理和有效地将数据传输到GPU和CPU。

3）丰富的灵活可编程加速引擎，可为AI和机器学习、安全、电信、存储和虚拟化等执行卸载并提高应用程序性能。

▉ 目前市场有哪些DPU产品？

NVIDIA是DPU领域的全球先行者。2020 年上半年，NVIDIA以69 亿美元的对价收购以色列网络芯片公司Mellanox Technologies，并于同年推出BlueField-2 DPU，将其定义为继CPU和GPU之后“第三颗主力芯片”，正式拉开DPU大发展的序幕。

2021年4月，NVIDIA对外发布了新一代数据处理器-NVIDIA BlueField-3 DPU。

BlueField-3是首款为AI和加速计算而设计的DPU。据了解，BlueField-3 DPU可以很好的实现数据中心基础设施工作负载的卸载、加速和隔离，从而释放宝贵的CPU资源来运行关键业务应用。

现代超大规模云技术推动数据中心从基础上走向了新的架构， 利用一种专门针对数据中心基础架构软件而设计的新型处理器， 来卸载和加速由虚拟化、网络、存储、安全和其它云原生AI服务产生的巨大计算负荷。BlueField DPU正是为此而生。

作为业内首款400G以太网和NDR InfiniBand DPU，BlueField-3具有出色的网络性能。可为要求苛刻的工作负载提供软件定义、硬件加速的数据中心基础设施解决方案，加速AI到混合云和高性能计算，再到5G无线网络，BlueField-3 DPU重新定义了各种可能性。

发布了BlueField-3 DPU后，NVIDIA仍然没有停下探索的脚步。NVIDIA发现，随着大模型的出现和流行，如何提升GPU集群的分布式计算性能和效率、提高GPU集群的横向扩展能力、实现在生成式AI云上的业务性能隔离，成为了所有大模型厂商和AI服务供应商共同关注的问题。

为此，在2023年底，NVIDIA推出BlueField-3 SuperNIC，从而面向东西向流量进行性能优化，它源于BlueField DPU，用了DPU相同的架构，但是有别于DPU。DPU专注于对于基础设施操作的卸载，是对南北向流量进行加速和优化。BlueField SuperNIC则借鉴了InfiniBand网络上的动态路由、拥塞控制和性能隔离等技术，又兼容了以太网标准在云上的便利性，从而满足了生成式AI云对于性能、扩展性和多租户的需求。

总结来说，目前NVIDIA BlueField-3网络平台包含两款产品，分别为实现限速处理软件定义、网络、存储和网络安全任务的BlueField-3 DPU和专为强力支持超大规模AI云而设计的BlueField SuperNIC。

在国内市场，针对DPU的研发也在积极进行。中科驭数的首颗国产DPU芯片K2于2022年成功上市，紧接着在今年6月发布的全功能三代DPU芯片K2Pro，已经在超低延迟网络、云和数据中心、金融计算、大数据处理及高性能计算等多个领域得到了广泛应用。

这些芯片不仅在性能上满足了市场的高标准，同时实现了量产，使中科驭数在国内市场的占有率连续两年位列第一。这一成就的取得，得益于中科驭数在技术研发上的持续投入与创新能力。

▉ 谈谈DPU的未来趋势？

目前DPU以数据为中心作为计算架构，能针对数据中心的安全、网络、存储、AI、HPC等业务进行加速。

从DPU概念的提出者NVIDIA的现有技术发展趋势来看，未来的技术发展趋势将会是高度集成化的片上数据中心的模式（Data Center Infrastructure on a chip），即一个GPU、CPU、DPU共存的时代。NVIDIA布局的数据中心从核心到边缘（Edge）都采用了统一的一个计算架构--CPU、GPU、DPU，如图所示，形成了"3U"一体架构。

3U一体的统一计算单元架构将会让管理程序、调度程序都会变得非常容易。通过CPU、GPU、DPU之间的协调计算，可以在数据中心和边缘端都可以达到高性能与高安全性。

可以说，NVIDIA非常看好DPU的发展，将DPU跟CPU和GPU放在一个地位来看待。

NVIDIA 创始人兼首席执行官黄仁勋表示："现代超大规模云正在推动数据中心的新架构。需要一种旨在处理数据中心基础设施软件的新型处理器来卸载和加速虚拟化、网络、存储、安全和其它云原生AI服务的巨大计算负载。DPU的时代已经到来。"

除了NVIDIA，目前Intel、Marvell、NVIDIA成为最有潜力的产业先驱。大多数DPU方案是从基本的网络控制器开始扩展至SoC。就Intel而言，其产品采取处理器配合FPGA，外加加速引擎的方式；Marvell则采取使用最新处26理器内核配合加速引擎的方式；NVIDIA则采用了处理器配合ASIC，外加加速引擎的方式。这三种方式代表着DPU产业的未来主流的发展方向。

目前，中国DPU产业处于起步阶段，从中国国内市场需求侧来看，中国拥有世界最强的互联网产业、规模最大的网民和线上生态，正是因为数据的大爆发，推动了对算力的需求，同时，中国愈加重视网络安全，DPU在确保网络安全方向有得天独厚的优势，从数据安全到数据中心安全皆全方面覆盖，从而具备较好的发展潜力，这是DPU发展的前提。

DPU将致力于解决"网络协议处理、数据安全、算法加速"等问题，而这些问题有着"CPU做不好，GPU做不了"的特点。数据中心与云计算领域是中国DPU最大的应用市场，DPU可为终端政企用户提供较为成熟的安全的软件定义及硬件加速解决方案。

本文标签： 一文读懂时代AIDPU