这是一个创建于 2051 天前的主题，其中的信息可能已经有所发展或是发生改变。
比如某个服务需要用 GPU 资源（而且不是 JAVA 写的，是 cpp 或者 Python ），是不是需要用跨语言的 MQ 来实现削峰呢（例如 rabbitMQ ）
 | 1 blless 2020 年 5 月 31 日 via Android 并发是解决 IO 密集问题， 计算密集要么靠算法 要么就靠加硬件了 |
 | 2 helloworld000 2020 年 5 月 31 日  3 哥们我从你问的这些问题可以感觉你貌似学了不少 fancy 的名词，但是并没有都真正理解这些到底是干嘛的。。。 |
 | 3 David1119 2020 年 5 月 31 日 @helloworld000 哈哈哈，够 fancy~~~ |
 | 4 andj4cn 2020 年 5 月 31 日 你需要的仅仅是计算资源调度和分配，跟 MQ 没有任何卵关系 |
 | 7 xiaoFine OP @helloworld000 是的，确实是个二把刀，还请指教 |
 | 10 inwar 2020 年 5 月 31 日 via Android 专业平台有多实例+gpu 虚拟化,自己玩可以做调度,分时间片 |
 | 11 sioncheng 2020 年 5 月 31 日 粗浅地认为，消耗 GPU 的程序应该是计算密集型的吧，而 rabbbitmq 是用来支撑 IO 密集型的程序。 |
 | 12 liuxey 2020 年 5 月 31 日 分开来看 1. 急迫需要 GPU 算力的服务，为什么要削峰，还不赶紧跑满计算出结果 2. 不急破 GPU 算力的服务，反正不急，GPU 跑着慢慢算呗，阻塞就阻塞 |
 | 13 tfdetang 2020 年 5 月 31 日 via Android 小规模的推理服务其实不是特别需要 gpu, 因为显存 io 的开销很大，不如多分几个 cpu 推理服务。 如果非要用 gpu，那必须用好 batch 运算。将队列中的任务压到一个 batch 里再传递到 gpu 。 当然简单的只是做一个阻塞队列也是可以的 |
 | 14 hallDrawnel 2020 年 5 月 31 日 这个要看具体的算法，比如深度学习模型可以做 batch 化调度，稍微增加一小点延迟提高计算速度。计算密集型的任务问题不在于 IO 等待，在于算不完，只能加硬件或者优化算法解决。 |
 | 16 qieqie 2020 年 5 月 31 日 其实楼主的想法并非没有道理， cuda 的驱动对于每一个 stream 是维护了一个内部的 kernel 发射队列的， 如果超过了这个队列的上限会阻塞 cpu 线程。 所以需要做 batch 或者在 cpu 上用 queue 调度。 |
 | 17 xcstream 2020 年 5 月 31 日 就是排队，一个一个来 |
 | 18 different 2020 年 5 月 31 日 via Android 会不会是多个服务申请显存，显存不够就炸了？ |
| 20 helloworld000 2020 年 6 月 1 日 好了不开玩笑了 前面提了很多解决办法，比如加机器，multiple-queue，batch （ gang scheduling ）这些都算方法之一 但真正的得看你具体应用具体环境的。这玩意不会有银弹或者 1，2 个这些 fancy words 就能搞定的。 整个一套里面还有很多东西，弄下来真没你想的那么简单，大公司都是有专门的 infra team 来做这些。 给你一个正确的学习思路，你可以看看 k8s 相关文档，google borg，borg2 ( https://research.google/pubs/pub49065/) 还有 bytedance 的这个工作 https://github.com/bytedance/byteps |
| 21 xiaoFine OP @helloworld000 感谢（看来还有很多路要走 |
 | 22 kennylam777 2020 年 6 月 1 日 如果你的 GPU 只是一保的算源，在 k8s 已解。 |
| 23 xiaoFine OP 回头自问自答下。 这个要看各家的 serving 框架，目前 triton 和 torchserver 都能做到 dynamic batching 之类的功能，但本质上每次推理还是显卡独占；如果是为了省 GPU ，另一个思路是 GPU 虚拟化，暂时没实践 |
Select Language