VMware和Nvidia正在携手合作以使虚拟Web服务可用于VMware Cloud on AWS，该服务使用Nvidia的T4 GPU和Virtual Compute Server软件的功能。这使企业可以在虚拟基础架构中运行高性能应用程序。

借助Virtual Compute Server（vComputeServer），VMware GPU虚拟化技术使企业可向基于VMware vSphere和其他虚拟机管理程序产品的虚拟服务器交付vGPU。这些Nvidia技术使企业能够为IT团队提供VM，而这些VM支持GPU加速的工作负载，例如AI、机器学习和高级分析，同时还能获得服务器虚拟化的好处。

虚拟化GPU加速工作负载

传统上，企业在裸机上运行GPU加速的工作负载，并将虚拟服务器限制为CPU专用的应用程序。这意味着企业别无选择，只能承担专用硬件部署和管理所带来的巨额成本。更糟的是，运行这些应用程序的IT团队通常必须部署和管理自己的硬件，从而导致额外的成本和开销。

VDI是CPU专用规则的例外，因为它早已经整合vGPU技术，这使得服务器虚拟化滞后。随着vComputeServer的发布，该标准已发生变化，该版本为VMware GPU虚拟化奠定了基础。现在企业可以在其虚拟服务器上运行GPU加速的工作负载，就像运行CPU专用工作负载那样样，并为计算密集型应用程序带来服务器虚拟化的好处。

好处之一是提高GPU资源利用率，从而节省成本并提高资源的灵活性。企业还可以以更少的管理开销更快更高效地启动计算密集型应用程序，并提高成本节省。IT团队可以利用隔离的VM将服务器虚拟化的安全优势扩展到GPU加速的工作负载。

应用程序托管在具有vGPU的虚拟服务器上，会比CPU专用应用程序运行速度快得多，并且性能水平与裸机服务器上的工作负载相似。对于人工智能、机器学习、深度学习、预测分析和高性能计算等计算密集型工作负载而言，这一点尤其重要。供应商设计GPU以加速关键的计算操作并适应这些工作负载。

Nvidia vGPU技术

Nvidia vGPU技术包括物理GPU和Nvidia vGPU软件，可在虚拟服务器和VDI上加速应用程序。企业将该软件与虚拟机管理程序一起安装在虚拟化层，然后使VM共享底层GPU。

每个VM中还安装了Nvidia驱动程序，以方便从CPU到GPU的卸载工作。其结果是，在VM中运行的应用程序将从服务器上安装的物理GPU中受益。

Nvidia提供四个vGPU软件版本：GRID Virtual PC、GRID Virtual Applications、Quadro vDWS 和vComputeServer。仅vComputeServer特定于服务器虚拟化。

vComputeServer软件可虚拟化物理GPU，并使其可用于虚拟服务器上运行的计算密集型应用程序。与其他vGPU软件版本一样，vComputeServer是仅Nvidia的GPU可用的许可产品。

与其他版本不同，Nvidia不会将vComputeServer许可证与具有显示器的用户捆绑。取而代之的是，Nvidia为该产品以每GPU的形式提供为期一年的许可，其中包括Nvidia企业支持。在多个VM访问单个GPU的设置中，此方法特别有利。

Nvidia的vGPU技术支持多种类型的Tesla vGPU。每种vGPU类型都提供特定数量的帧缓冲区、显示头和最大分辨率。Nvidia根据其工作负载分类将vGPU类型分为不同的系列。

vComputeServer软件仅与C系列vGPU兼容，它支持计算密集型工作负载。在运行vComputeServer的服务器上安装的每个物理GPU最多可以运行八个C系列vGPU。

该软件还支持两种vGPU部署模型：GPU共享和GPU聚合。GPU共享模型使多个VM可以共享一个GPU，就像多个VM可以共享同一个CPU一样。这有助于优化资源利用率并降低成本。而GPU聚合模型使单个VM可以使用多个GPU，并支持要求更高的工作负载。

它还合并了纠错代码和页面退回功能，以防止数据损坏并确保更高的资源可靠性，这对于海量数据集处理极为重要。

VMware Cloud on AWS支持GPU加速工作负载

通过虚拟化计算密集型工作负载，企业可以从中获得很多收益，特别是如果他们已经致力于服务器虚拟化和vSphere生态系统。Nvidia的vGPU技术使企业可有效利用GPU资源，并扩展GPU功能到无法证明裸机解决方案投资价值的团队和企业。

当这些功能可用于VMware Cloud on AWS，客户将有更多选择来实施其GPU加速工作负载和VMware GPU虚拟化。他们将能够将工作负载整合到其混合基础架构中，并无缝地将基于vSphere的应用程序迁移到VMware Cloud on AWS–在Amazon Elastic Cloud Compute裸机实例上运行。

在此之前，如果企业使用该技术，则必须满足于在本地运行vComputeServer。当然，IT团队必须进行全面的成本分析，以确定Nvidia技术是否值得在特定情况下进行投资，但是对于意识到vGPU的全部潜力的企业而言，这项工作可能是值得的。