平行運算不再只是科學研究代名詞,在 Big Data 時代能讓搜尋、比對更即時

平行運算不再只是科學研究代名詞,在 Big Data 時代能讓搜尋、比對更即時

 過去討論 CUDA 平行運算,多半是一些地理氣象研究、基因學、遺傳學、病理分析等雖影響人類很深,但又覺得遙不可及的科學研究。不過今年的 GTC , NVIDIA 向全場與會者宣示,用於近年炙手可熱的 Big Data ,平行運算也一樣威猛,還有許多熱門應用就是基於平行運算的結果。

跳轉繼續

Big Data 說來容易,就是透過不斷蒐集新的資料,並從中進行關鍵性的比對,迅速找出使用者所需要的資料。不過在茫茫資料庫中,如何解析關鍵字並從資料庫中找到符合的項目,就是 Big Data 實做的困難之處。像是搜尋引擎,就是最典型的 Big Data ,而最近一些智慧手機標榜圖像辨識、音樂辨識以及即時翻譯等,都是基於雲端的 Big Data 應用。

今年 NVIDIA 舉了三個例子,包括社群網站關鍵字露出情況的搜尋、音樂辨識以及圖像辨識。如果依賴純 CPU 進行演算,其實這些功能還是能做得到,只是速度上就會隨著資料庫越龐大、速度就越慢,但這是個消費者沒有耐心等待的時代,如果要在同質性服務當中脫穎而出,不僅資料庫要夠龐大,計算速度還要快到讓消費者幾乎不用等待。

平行運算不再只是科學研究代名詞,在 Big Data 時代能讓搜尋、比對更即時

將這些 Big Data 導入平行運算之後,再結合最佳化的編碼,能創造出怎樣的價值? NVIDIA 就放出一張圖像辨識的 Big Data 應用,在結合平行運算後的效能提昇幅度;雖不敢說各領域都會飛天頓地,但提昇個五倍以上不是問題,更不用說在幾項領域當中,能夠發揮高達數十倍的效率提昇。像是現在的圖像、物件查詢、音樂比對等等,透過平行運算後,幾乎可達到隨傳隨時獲得結果。

不過在 Big Data 領域的平行運算還有個嚴重的問題,就是企業對於熟悉平行運算程式編碼人員的導入。雖然現在全球有超過 640 所的大專院校開始在教導 CUDA 平行運算課程,但企業也許不想改變現況,也許是還未感受到平行運算的威力,多半的人才仍未獲得發揮他們在平行運算領域所長的機會。但可樂見,在成功案例越來越多的情況下,從事 Big Data 的企業與組織也會評估平行運算帶來的價值,進而擁抱平行運算。