Snap verlaagt gegevensverwerking kosten met 76 procent met GPU's

Snap verplaatste zijn A/B-testingpijplijn van CPU-only Spark-workloads naar NVIDIA cuDF op Google Cloud L4-GPU's en zag een 4x runtime-versnelling met 76% dagelijkse kostenbesparing. De schaal is aanzienlijk - Snap verwerkt meer dan 10 petabytes aan gegevens in een drieuurse ochtendperiode, waarbij duizenden experimenten over 6.000 metriek voor de 940 miljoen maandelijks actieve gebruikers worden uitgevoerd. Ze hadden slechts 2.100 gelijktijdige GPU's nodig in plaats van de verwachte 5.500. De stap is een casestudy voor NVIDIA's inspanning om GPU-versnelde gegevensverwerking tot standaard in plaats van specialiteit te maken - Databricks, Snowflake en Google BigQuery hebben allemaal GPU-compute-opties in dezelfde richting toegevoegd. Voor Snap specifiek betekent goedkopere en snellere experimenten meer functie-iteraties per kwartaal, wat het soort samengesteld voordeel is dat van buitenaf moeilijk in te zien is.