MaxBench : Évaluation de l’impact de l’interconnexion des GPU sur l’analyse de données relationnelles

Des chercheurs présentent MaxBench, un framework complet pour l’évaluation comparative et le profilage des charges de travail d’analyse de données relationnelles sur les GPU. Il évalue l’impact sur les performances de différents modèles de GPU (RTX3090, A100, H100, Grace Hopper GH200) et d’interconnexions (PCIe 3.0, 4.0, 5.0 et NVLink 4.0) sur des charges de travail telles que TPC-H, H2O-G et ClickBench. Au-delà des métriques traditionnelles telles que l’intensité arithmétique et les GFlop/s, MaxBench propose la « complexité de requête caractéristique » et « l’efficacité GPU caractéristique » et utilise un nouveau modèle de coût pour prédire les performances d’exécution des requêtes. L’étude révèle les compromis entre la capacité de calcul du GPU et la bande passante de l’interconnexion et utilise le modèle pour projeter l’impact des améliorations futures de la bande passante de l’interconnexion ou de l’efficacité du GPU.