🟩NVIDIA Developer Blog•最新收集於 25m
在 NVIDIA GB200 NVL72 上實現 GPU 加速 Presto 以進行低延遲分析
💡了解如何利用 NVIDIA 最新的 GB200 硬體，大幅降低大規模 SQL 分析查詢的延遲。
⚡ 30-Second TL;DR
有什麼變化
針對 NVIDIA GPU 架構優化的 Presto 引擎
為什麼重要
此整合顯著提升了數據密集型分析任務的速度，使 AI 開發與即時數據處理的迭代週期更快。
下一步行動
評估您目前的分析查詢延遲，並在 NVIDIA 基礎設施上測試 GPU 加速的 Presto 部署，以優化您的數據管線。
誰應關注：Developers & AI Engineers
關鍵要點
- •針對 NVIDIA GPU 架構優化的 Presto 引擎
- •利用 GB200 NVL72 處理高吞吐量的分析工作負載
- •降低互動式查詢與 AI 代理工作流程的延遲
🧠 深度解析
AI-generated analysis for this event.
🔑 增強重點摘要
- •GPU 加速的 Presto 透過 NVIDIA RAPIDS Accelerator for Apache Spark 的技術堆疊，實現了對 SQL 查詢中複雜運算（如 Join 與 Aggregation）的硬體加速。
- •GB200 NVL72 的 NVLink Switch System 提供了高達 130TB/s 的總頻寬，解決了傳統 CPU 架構在處理大規模分散式查詢時的記憶體頻寬瓶頸。
- •此解決方案整合了 NVIDIA Magnum IO GPUDirect Storage，允許 Presto 直接從儲存裝置讀取資料至 GPU 記憶體，大幅減少了 CPU 參與的 I/O 開銷。
- •針對 AI 代理（AI Agents）的優化，使得 Presto 能夠作為即時知識庫（Knowledge Base）的查詢引擎，為大型語言模型（LLM）提供低延遲的上下文檢索。
- •該架構支援動態資源調度，能根據查詢負載自動調整 GPU 叢集規模，進而降低大規模資料分析的總體擁有成本（TCO）。
📊 競品分析▸ Show
| 特性 | NVIDIA GPU-Accelerated Presto | Databricks Photon | Snowflake (Snowpark) |
|---|---|---|---|
| 核心架構 | GPU 加速 (GB200) | CPU 優化 (向量化引擎) | 雲端原生 CPU/GPU 混合 |
| 硬體依賴 | 強依賴 NVIDIA GPU | 軟體定義，硬體無關 | 託管服務，透明化 |
| 效能優勢 | 極致低延遲與高吞吐量 | 大規模 ETL 處理 | 易用性與生態整合 |
🛠️ 技術深入
- 採用 CUDA-accelerated SQL 執行核心，將傳統 CPU 執行的運算子（Operators）遷移至 GPU 核心執行。
- 利用 GB200 的 Grace CPU 與 Blackwell GPU 之間的 NVLink-C2C 互連技術，實現記憶體一致性與低延遲資料傳輸。
- 支援 Apache Arrow 記憶體格式，確保資料在 Presto 與 GPU 記憶體之間傳輸時無需進行序列化與反序列化。
- 整合了針對大規模並行處理（MPP）架構的自適應查詢執行（AQE）機制，能根據執行時的統計資訊動態調整查詢計畫。
🔮 前景展望AI analysis grounded in cited sources
企業將大規模轉向 GPU 驅動的資料庫分析架構。
隨著 GB200 NVL72 的普及，GPU 在分析型資料庫中的效能優勢將使傳統 CPU 叢集在處理即時 AI 代理需求時顯得過於緩慢。
Presto 將成為 AI 代理與結構化資料之間的標準介面。
透過 GPU 加速帶來的低延遲特性，Presto 能夠滿足 AI 代理對即時資料檢索的嚴苛要求，進而取代傳統的 API 查詢方式。
⏳ 時間線
2023-03
NVIDIA 宣布與 Presto 基金會合作，啟動 GPU 加速計畫。
2024-03
NVIDIA 在 GTC 大會上發表 Blackwell 架構與 GB200 NVL72 系統。
2025-06
NVIDIA 發布針對 Presto 的首個生產級 GPU 加速驅動程式。
2026-02
GB200 NVL72 系統正式進入大規模商業部署階段。
📰
AI 週報
閱讀本週精選 AI 大事摘要 →
👉相關動態
AI 策展新聞聚合。所有內容版權歸原始發布者所有。
原始來源： NVIDIA Developer Blog ↗