美國(guó)投資公司Jefferies 最近一份報(bào)告稱第四波計(jì)算浪潮已經(jīng)開始，而且正受到物聯(lián)網(wǎng)和并行處理方案的發(fā)展的推動(dòng)。自 20 世紀(jì) 60 年代以來，計(jì)算領(lǐng)域的結(jié)構(gòu)性轉(zhuǎn)變一直都是由這一領(lǐng)域的主要力量導(dǎo)致的。

在每次轉(zhuǎn)變中，都會(huì)涌現(xiàn)出新的解決方案提供商，并成為主要供應(yīng)商。在這第四波計(jì)算浪潮中，最新的力量是英偉達(dá)及其用于高性能計(jì)算（HPC）和人工智能（AI）的并行處理平臺(tái)，即 GPU 和 CUDA 編程平臺(tái)。英偉達(dá)業(yè)務(wù)中數(shù)據(jù)中心部分的增長(zhǎng)（從 2016 財(cái)年的 3.39 億美元增長(zhǎng)到 2017 財(cái)年的 8.3 億美元）是這樣的結(jié)構(gòu)性轉(zhuǎn)變的一個(gè)證明。人工智能和自動(dòng)駕駛汽車的技術(shù)和產(chǎn)品需求是英偉達(dá)增長(zhǎng)的關(guān)鍵推動(dòng)力，而且這在廣義上都和物聯(lián)網(wǎng)有關(guān)。但是，物聯(lián)網(wǎng)還有其它一些同樣關(guān)鍵的安全和網(wǎng)絡(luò)要求，不容忽視。

人工智能和并行處理的增長(zhǎng)

讓我們先深入了解一下現(xiàn)在正在人工智能領(lǐng)域發(fā)生的結(jié)構(gòu)性轉(zhuǎn)變。機(jī)器學(xué)習(xí)訓(xùn)練、推理算法和相關(guān)的技術(shù)是人工智能的基礎(chǔ)，而這些算法已經(jīng)存在了幾十年了。而為英偉達(dá)等公司創(chuàng)造了巨量機(jī)會(huì)的轉(zhuǎn)折點(diǎn)是：

有了跨多個(gè)行業(yè)的大量有用的訓(xùn)練數(shù)據(jù)集；

芯片設(shè)計(jì)和工藝尺寸的進(jìn)展讓與機(jī)器學(xué)習(xí)相關(guān)的并行處理的成本和功耗特性達(dá)到了可以接受的程度。

隨著各種不同行業(yè)中許多不同類型的設(shè)備都越來越多地與互聯(lián)網(wǎng)相連（換句話說就是 IoT 現(xiàn)象），生成的有用數(shù)據(jù)的量以及機(jī)器學(xué)習(xí)使用這些數(shù)據(jù)來改善這些行業(yè)中用戶體驗(yàn)的能力都將受到廣泛的影響。作為 x86 CPU 的協(xié)處理器，GPU 可以為機(jī)器學(xué)習(xí)帶來大量所需的并行處理。GPU 原本是為游戲和圖形處理應(yīng)用設(shè)計(jì)的。配合 CUDA 等多線程編程環(huán)境，人們發(fā)現(xiàn) GPU 是最有效執(zhí)行機(jī)器學(xué)習(xí)算法的最優(yōu)選擇。

第四波計(jì)算浪潮是由并行處理和 IoT 驅(qū)動(dòng)的

GPU 中的多線程處理讓我們可以并行地執(zhí)行類似的任務(wù)，而這對(duì)最有效地執(zhí)行機(jī)器學(xué)習(xí)算法而言是至關(guān)重要的。這種處理方式非常不同于 x86 和 ARM 等通用型 CPU——這些處理器是為常見軟件應(yīng)用所需的單線程處理優(yōu)化的，比如網(wǎng)頁服務(wù)器和數(shù)據(jù)庫(kù)處理。機(jī)器學(xué)習(xí)算法也需要處理大量訓(xùn)練數(shù)據(jù)，所以現(xiàn)代 GPU 也提供了高速高效的內(nèi)存存取。

帶有基于 GPU 的多線程處理的英偉達(dá)可編程圖形適配器，可以加速圖形和人工智能計(jì)算處理（來自英偉達(dá) 2017 年度投資者日的演講）

盡管通用型 CPU 也可以被用于處理機(jī)器學(xué)習(xí)算法，但卻無法提供必需的大規(guī)模計(jì)算性能。再加上隨著硅芯片工藝幾何尺寸的演進(jìn)（也被稱為摩爾定律），單位晶體管的成本也在上漲，而 GPU 等為機(jī)器學(xué)習(xí)優(yōu)化過的協(xié)處理器芯片就成了一種必需品。

安全性和 5G 將驅(qū)動(dòng)第四波浪潮

至于物聯(lián)網(wǎng)和第四波計(jì)算浪潮，在使用協(xié)處理器的并行處理的重要性上，人工智能和網(wǎng)絡(luò)安全之間存在很大的相似之處。

我們生活方方面面對(duì)普遍安全的需求只會(huì)被物聯(lián)網(wǎng)進(jìn)一步放大。如果我們看看近來的分布式拒絕服務(wù)（DDoS）攻擊以及當(dāng)今的設(shè)備（筆記本電腦和平板作為攻擊點(diǎn)）可以如何被人侵入從而發(fā)動(dòng)這樣的攻擊，你就可以想見當(dāng)使用 IoT 作為攻擊點(diǎn)發(fā)動(dòng)攻擊時(shí)，攻擊效果將指數(shù)式地猛增。預(yù)防 DDoS 攻擊的機(jī)制將不得不超越以往的范圍，并一直延伸到數(shù)據(jù)中心服務(wù)器領(lǐng)域，以便解決轉(zhuǎn)移 DDoS 所需的規(guī)模和速度需求。隨著數(shù)據(jù)中心中數(shù)據(jù)流量的增長(zhǎng)，這種需求還會(huì)進(jìn)一步放大。

這一范式中的另一個(gè)關(guān)鍵轉(zhuǎn)變是對(duì)流量可見性的需求，以便在網(wǎng)絡(luò)流量上執(zhí)行遠(yuǎn)程測(cè)量或屏蔽流氓訪問流量。我們現(xiàn)在就需要這種東西，而且隨著 5G 網(wǎng)絡(luò)（帶寬將增長(zhǎng) 10 多倍）向新的行業(yè)敞開大門以在電信服務(wù)提供商網(wǎng)絡(luò)上提供創(chuàng)新服務(wù)，這種需求還會(huì)加劇。比如，各種類型的 IoT 傳感器和自動(dòng)駕駛汽車將會(huì)在智能手機(jī)等移動(dòng)設(shè)備生成的數(shù)據(jù)之上增加更多數(shù)據(jù)。為了確保不同類型的流量得到不同水平的保護(hù)，將網(wǎng)絡(luò)分成“片”的能力將變得至關(guān)重要。這將需要高速的流量分類和可見性。

Gartner 預(yù)測(cè)到 2019 年時(shí)所有網(wǎng)絡(luò)流量中的 80% 都將被加密。用于加密這些網(wǎng)絡(luò)流量的關(guān)鍵相關(guān)技術(shù)是安全套接層（Secure Sockets Layer/SSL）和安全傳輸層（Transport Layer Security /TLS）。當(dāng)使用這些技術(shù)加密流量時(shí)，我們就不可能獲得所需的流量可見性。NSS Labs 的一項(xiàng)研究稱在防火墻設(shè)備上解密 SSL 流量（以便實(shí)現(xiàn)流量的可見性）會(huì)讓吞吐量損失 74%，每秒鐘的交易量會(huì)減少 87.8%。當(dāng)密鑰更長(zhǎng)時(shí)，SSL 解密引擎所需的工作負(fù)載中對(duì)復(fù)雜流量的處理也將增長(zhǎng)。這將對(duì)延遲性能和服務(wù)水平產(chǎn)生顯著的影響。最佳的解決方案是不要在數(shù)據(jù)中心網(wǎng)絡(luò)的設(shè)備中實(shí)現(xiàn)這樣的功能（因?yàn)榱髁吭谶@里聚合，它的瓶頸會(huì)有很大影響），而是將 SSL 加密引擎工作負(fù)載分布到所有服務(wù)器上。

使用SmartNIC擴(kuò)展安全應(yīng)用

為了讓數(shù)據(jù)中心服務(wù)器中的網(wǎng)絡(luò)安全應(yīng)用實(shí)現(xiàn)規(guī)模化、高性能和高效率，SmartNIC 平臺(tái)使用了一種優(yōu)化過的協(xié)處理器 NFP，即網(wǎng)絡(luò)流處理器（Network Flow Processor）。和 GPU 類似，NFP 是多線程的——單塊芯片上有多達(dá) 960 個(gè)線程。類似于 GPU 上基于 CUDA 的多線程編程，SmartNIC 中的 NFP 芯片支持使用 C 或更高級(jí)的與供應(yīng)商無關(guān)的編程方法（比如 P4 和 eBPF）進(jìn)行多線程編程。和 GPU 類型，NFP 也可以并行執(zhí)行多個(gè)任務(wù)。和 GPU 只能并行執(zhí)行相似的任務(wù)不同，NFP 還能并行執(zhí)行多個(gè)不同的任務(wù)——這是網(wǎng)絡(luò)安全所需要的功能。

帶有基于 NFP 的多線程處理的可編程 SmartNIC，可以加速網(wǎng)絡(luò)數(shù)據(jù)包和安全性處理

使用多線程內(nèi)存存取引擎，NFP 可以在大量?jī)?nèi)存上實(shí)現(xiàn)高速且低延遲的存取，從而可實(shí)現(xiàn)對(duì)大量復(fù)雜流量的并行處理。最后，在人工智能領(lǐng)域，Caffe 等深度學(xué)習(xí)框架可以使用在 GPU 上運(yùn)行的代碼庫(kù)加速。類似地，在網(wǎng)絡(luò)安全領(lǐng)域，分布式虛擬交換、路由、防火墻、DOS、負(fù)載平衡以及其它安全和可見性框架都可以使用運(yùn)行在 NFP 上的代碼庫(kù)加速。

數(shù)據(jù)中心使用協(xié)同處理層和多線程編程環(huán)境實(shí)現(xiàn)的可重配置結(jié)構(gòu)

總而言之，對(duì)安全性和可見性的需求將愈發(fā)普遍，而且 DDoS 保護(hù)和 SSL 或 TLS 解密等技術(shù)也需要使用 COTS 和數(shù)據(jù)中心服務(wù)器以分布式的方式實(shí)現(xiàn)。在這種范式中，為了確保網(wǎng)絡(luò)性能相關(guān)的服務(wù)的水平以及服務(wù)器的效率，使用協(xié)處理器的并行處理是至關(guān)重要的。和人工智能使用 GPU 等優(yōu)化過的協(xié)處理器類似，為網(wǎng)絡(luò)安全優(yōu)化的協(xié)處理器將會(huì)成為實(shí)現(xiàn)物聯(lián)網(wǎng)世界的第四波計(jì)算浪潮的一大主要力量。

為了實(shí)現(xiàn)可重配置的結(jié)構(gòu)，我們相信未來的數(shù)據(jù)中心服務(wù)器將具有兩個(gè)協(xié)同處理平面——一個(gè)用于機(jī)器學(xué)習(xí)和人工智能，另一個(gè)用于網(wǎng)絡(luò)連接和安全。這些協(xié)同處理平面將使用協(xié)同處理芯片中針對(duì)應(yīng)用優(yōu)化的功能（這些功能是為實(shí)現(xiàn)最佳性價(jià)比指標(biāo)的服務(wù)器而設(shè)計(jì)的），從而為創(chuàng)新的多線程編程環(huán)境提供支持。
———————
作者：產(chǎn)業(yè)智能官
來源：CSDN
原文：https://blog.csdn.net/np4rHI455vg29y2/article/details/78579590
版權(quán)聲明：本文為博主原創(chuàng)文章，轉(zhuǎn)載請(qǐng)附上博文鏈接！