gpu虚拟化有哪三种方法(gpu虚拟化有哪三种方法解决)

要了解详情，请加我的号，或照片上有我的照片，我们私聊。

可以免费试用的哦！！！！！！！！！

自从虚拟化提出以后，至今虚拟化技术分类有很多，方法也有很多，下面来一起了解下什么是虚拟化技术，及分类和方法。

当今发达国家在设计、制造、加工技术等方面已经达到相当自动化的水平，其产品设计普遍采用CAD、CAM、CAE和计算机仿真等手段，企业管理也已采用了科学的规范化的管理方法和手段，目前其主要从制造系统自动化方面寻找出路，为此提出了一系列新的制造系统，如敏捷制造、并行工程、计算机集成制造系统等。

近些年，从虚拟机的大量部署到成功案例逐渐涌现，越来越多的制造企业开始关注虚拟化技术给优化IT基础架构，推动业务创新带来的启发，希望将其与业务相结合，找到掌握新技术、革新先进制造系统和先进制造模式的方法。

虚拟化目前应用于制造业信息化主要体现在IT整合和节约成本，在其他方面很少，而实际上由于虚拟化技术的特点，其应用价值可以在远程办公、虚拟制造、工业控制等制造业相关领域都能得到体现。

本文主要对虚拟化技术及其在制造业的应用现状进行综述，提出虚拟化在制造业的应用框架，为相关人员提供该领域的应用研究进展与发展趋势方面的介绍。

1虚拟化技术

虚拟化是指为运行的程序或软件营造它所需要的执行环境，在采用虚拟化技术后，程序或软件的运行不再独享底层的物理计算资源，它只是运行在一个完全相同的物理计算资源中，而底层的影响可能与之前所运行的计算机结构完全不同。

虚拟化的主要目的是对IT基础设施和资源管理方式的简化。

虚拟化的消费者可以是最终用户、应用程序、操作系统、访问资源或与资源交互相关的其他服务。

由于虚拟化能降低消费者与资源之间的耦合程度，消费者不再依赖于资源的特定实现，因此在对消费者的管理工作影响最小的基础上，可以通过手工、半自动、或者服务级协定（SLA）等来实现对资源的管理。

1.1虚拟化的分类

从虚拟化的目的来看，虚拟化技术主要分为以下几个大类：

（1）平台虚拟化（PlatformVirtualization），它是针对计算机和操作系统的虚拟化，又分成服务器虚拟化和桌面虚拟化。

服务器虚拟化是一种通过区分资源的优先次序，并将服务器资源分配给最需要它们的工作负载的虚拟化模式，它通过减少为单个工作负载峰值而储备的资源来简化管理和提高效率。

桌面虚拟化是为提高人对计算机的操控力，降低计算机使用的复杂性，为用户提供更加方便适用的使用环境的一种虚拟化模式。

平台虚拟化主要通过CPU虚拟化、内存虚拟化和I/O接口虚拟化来实现。

（2）资源虚拟化（ResourceVirtualization），针对特定的计算资源进行的虚拟化，例如，存储虚拟化、网络资源虚拟化等。

存储虚拟化是指把操作系统有机地分布于若干内外存储器，两者结合成为虚拟存储器。

网络资源虚拟化最典型的是网格计算，网格计算通过使用虚拟化技术来管理网络上的数据，并在逻辑上将其作为一个系统呈现给消费者，它动态地提供了符合用户和应用程序需求的资源，同时还将提供对基础设施的共享和访问的简化。

当前，有些研究人员提出利用软件代理技术来实现计算网络空间资源的虚拟化，如Gaia，NetChaser[21]，SpatialAgent。

（3）应用程序虚拟化（ApplicationVirtualization），它包括仿真、模拟、解释技术等。

Java虚拟机是典型的在应用层进行虚拟化。

基于应用层的虚拟化技术，通过保存用户的个性化计算环境的配置信息，可以实现在任意计算机上重现用户的个性化计算环境。

服务虚拟化是近年研究的一个热点，服务虚拟化可以使业务用户能按需快速构建应用的需求，通过服务聚合，可屏蔽服务资源使用的复杂性，使用户更易于直接将业务需求映射到虚拟化的服务资源。

现代软件体系结构及其配置的复杂性阻碍了软件开发生命周期，通过在应用层建立虚拟化的模型，可以提供最佳开发测试和运行环境。

（4）表示层虚拟化。

在应用上与应用程序虚拟化类似，所不同的是表示层虚拟化中的应用程序运行在服务器上，客户机只显示应用程序的UI界面和用户操作。

表示层虚拟化软件主要有微软的Windows远程桌面（包括终端服务）、CitrixMetaframePresentationServer和SymantecPcAnywhere等。

1.2虚拟化的方法

通常所说的虚拟化主要是指平台虚拟化，它通过控制程序隐藏计算平台的实际物理特性，为用户提供抽象的、统一的、模拟的计算环境。通常虚拟化可以通过指令级虚拟化和系统级虚拟化来实现。

1.2.1指令级虚拟化方法

在指令集层次上实现虚拟化，即将某个硬件平台上的二进制代码转换为另一个平台上的二进制代码，实现不同指令集间的兼容，也被称作“二进制翻译”。

二进制翻译是通过仿真来实现的，即在一个具有某种接口和功能的系统上实现另一种与之具有不同接口和功能的系统。

二进制翻译的软件方式，它可以有3种方式实现：解释执行、静态翻译、动态翻译。

近年来，最新的二进制翻译系统的研究主要在运行时编译、自适应优化方面，由于动态翻译和执行过程的时间开销主要包括四部分：即磁盘访问开销、存储访问开销、翻译和优化开销、目标代码的执行开销，所以要提高二进制翻译系统的效率主要应减少后3个方面的开销。

目前典型的二进制翻译系统主要有Daisy/BOA、Crusoe、Aeries、IA-32EL、Dynamo动态优化系统和JIT编译技术等。

1.2.2系统级虚拟化方法

系统虚拟化是在一台物理机上虚拟出多个虚拟机。

从系统架构看，虚拟机监控器（VMM）是整个虚拟机系统的核心，它承担了资源的调度、分配和管理，保证多个虚拟机能够相互隔离的同时运行多个客户操作系统。

系统级虚拟化要通过CPU虚拟化、内存虚拟化和I/O虚拟化实现。

（1）CPU虚拟化

CPU虚拟化为每个虚拟机提供一个或多个虚拟CPU，多个虚拟CPU分时复用物理CPU，任意时刻一个物理CPU只能被一个虚拟CPU使用。

VMM必须为各虚拟CPU合理分配时间片并维护所有虚拟CPU的状态，当一个虚拟CPU的时间片用完需要切换时，要保存当前虚拟CPU的状态，将被调度的虚拟CPU的状态载入物理CPU。

X86的CPU虚拟化方法主要有：二进制代码动态翻译（dynamicbinarytranslation）、半虚拟化（para-virtualization）和预虚拟化技术。

为了弥补处理器的虚拟化缺陷，现有的虚拟机系统都采用硬件辅助虚拟化技术。

CPU虚拟化需要解决的问题是：①虚拟CPU的正确运行，虚拟CPU正确运行的关键是保证虚拟机指令正确执行，各虚拟机之间不互相影响，即指令的执行结果不改变其他虚拟机的状态，目前主要是通过模拟执行和监控运行；②虚拟CPU的调度。

虚拟CPU的调度是指由VMM决定当前哪一个虚拟CPU实际在物理CPU上运行，保证虚拟机之间的隔离性、虚拟CPU的性能、调度的公平。

虚拟机环境的调度需求是要充分利用CPU资源、支持精确的CPU分配、性能隔离、考虑虚拟机之间的不对等、考虑虚拟机之间的依赖。

常见的CPU调度算法有BVT、SEDF、CB等。

（2）内存虚拟化

VMM通常采用分块共享的思想来虚拟计算机的物理内存。

VMM将机器的内存分配给各个虚拟机，并维护机器内存和虚拟机内存之间的映射关系，这些内存在虚拟机看来是一段从地址0开始的、连续的物理地址空间。

在进行内存虚拟化后，内存地址将有机器地址、伪物理地址和虚拟地址三种地址。

在X86的内存寻址机制中，VMM能够以页面为单位建立虚拟地址到机器地址的映射关系，并利用页面权限设置实现不同虚拟机间内存的隔离和保护。

为了提高地址转换的性能，X86处理器中加入TLB，缓存已经转换过的虚拟地址，在每次虚拟地址空间切换时，硬件自动完成切块TLB。

为了实现虚拟地址到物理地址的高效转换，通常采取复合映射的思想，通过MMU半虚拟化和影子页表来实现页表的虚拟化。

虚拟机监控器的数据不能被虚拟机访问，因此需要一种隔离机制，这种隔离机制主要通过修改客户操作系统或段保护来实现。

内存虚拟化的优化机制，包括按需取页、虚拟存储、内存共享等。

（3）I/O虚拟化

由于I/O设备具有异构性强，内部状态不易控制等特点，VMM系统针对I/O设备虚拟化有全虚拟化、半虚拟化、软件模拟和直接I/O访问等设计思路。

近年来，更多的学者将I/O虚拟化的研究放在共享的网络设备虚拟化研究，提出将IOVM结构映射到多核心服务器平台。

I/O设备除了增加吞吐量和固有的并行数据流、联系串行特性以及基于分组的协议外，还应该考虑到传统的PCI兼容的PCIExpress的硬件，建立相应的总线适配器，以弥补象单一主机无专门的驱动程序时的需要。

有些研究人员专注于外存储虚拟化的研究，提出让存储虚拟化系统上的SCSI目标模拟器运行在SAN上，存储动态的目标主机的物理信息，并使用映射表方法来修改SCSI命令地址，使用位图的技术来管理可用空间等思想。

存储虚拟化系统应提供诸如逻辑卷大小、各种功能、数据镜像和快照，并兼容集群主机和多个操作系统。

由于外存储虚拟化能全面提升存储区域网络的服务质量，而带外虚拟化与带内虚拟化相比具有性能高和扩展性好等优点，通过运用按序操作、Redo日志以及日志完整性鉴别，设计基于关系模型的磁盘上虚拟化元数据组织方式，可以形成一致持久的带外虚拟化系统。

1.3虚拟化的管理

虚拟化的管理主要指多虚拟机系统的管理，多虚拟机系统是指在对多计算系统资源抽象表示的基础上，按照自己的资源配置构建虚拟计算系统，其主要包括虚拟机的动态迁移技术和虚拟机的管理技术。

（1）虚拟机之间的迁移

将虚拟化作为一种手段管理现有的资源和加强其在网络计算的利用率，通过构建分布式可重构的虚拟机，必要时在物理服务器运行时迁移服务。

通过移动代理技术、分布式虚拟机等提高资源利用率和服务可用性，通过寻找服务最优的策略在可重构和分布式虚拟机上迁移。

为了将虚拟机运行的操作系统与应用程序从一个物理结点迁移到另外一个运行结点，同时保持客户操作系统和应用程序不受干扰，有些研究者提出以数据为中心的可迁移的虚拟运行环境，使得用户操作环境实现异地迁移、无缝重构；

也有研究人员提出程序执行环境的动态按需配置机制。

在跨物理服务器迁移虚拟机，进行自动化的虚拟服务器的管理，必须考虑高层次的服务质量要求和资源管理成本。

有些研究人员提出了通过管理程序控制的方法，以支持移动IP的实时迁移虚拟机在网络上，使虚拟机实时迁移其分布计算资源，从而改善迁移性能，降低网络恢复延迟，提供高可靠性和容错。

有些研究机构通过设计一个通用的硬件抽象层，实现多个虚拟机的移植，具有高效率执行环境中的移动设备。

虚拟机的迁移步骤一般有启动迁移、内存迁移、冻结虚拟机、虚拟机恢复执行。

（2）虚拟机的管理

对于多虚拟机来说，一个非常重要的方面是减少用户对动态的和复杂的物理设备的管理和维护，通过软件和工具来实现任务管理。

当前典型的多虚拟机服务器管理软件是VirtualInfrastructure，它通过VirtualCenter管理服务器的虚拟机池，通过VMotion完成虚拟机的迁移，通过VMFS管理多虚拟机文件系统。

其次，Parallax是针对Xen的多虚拟机管理器，它通过采用消除写共享，增强客户端的缓存等方式并利用模板映像来建立整个系统；同时使用快照（snapshot）以及写时复制（copy-on-write）机制来实现块级共享，并使用副本来保证可用性。

虚拟机监控器直接控制parallax使用的物理盘，它们运行物理设备驱动器，并给虚拟磁盘镜像VDI的本地虚拟机提供一个普通的块接口。

2虚拟化在制造业信息化中的应用

2.1虚拟化在制造业信息化中的应用框架

当今制造业正朝着精密化、自动化、柔性化、集成化、网络化、信息化和智能化的方向发展，在这种趋势下，诞生了许多先进制造技术和先进制造模式。

这些先进制造技术和先进制造模式要求现有的IT基础设施能提供更高的计算服务水平，因此在制造业信息化中，需要建立以虚拟化为导向的资源分配体系结构，提供客户驱动的服务管理和计算风险管理，维持以服务水平协议（SLA）为导向的资源分配体系。

虚拟化在制造业信息化中主要用于集中IT管理、应用整合、工业控制、虚拟制造等。

处在最底层的是制造业企业的虚拟计算资源池（VirtualCluster），它由多台物理服务器（PhysicsMachine）形成，各物理服务器上运行着虚拟化软件（VMM），虚拟化软件上运行着完成各种任务需求的虚拟机，虚拟计算资源池的虚拟化管理软件（VMS）为IT环境提供集中化、操作自动化、资源优化的功能，可以快速部署向导和虚拟机模板。

虚拟计算资源池中的虚拟机将不同类型的客户操作系统（GuestOS）和运行其上的数据层、服务层应用程序（App）封装在一起，形成一个企业协同设计制造的完整系统，为表示层的用户提供多种形态的数据处理和显示功能。

在图1的框架中，虚拟计算资源池的动态资源调度（DRS）模块可以跨越物理机不间断地监控资源利用率，并根据反映业务需要和不断变化的优先级的预定规则，在多个虚拟机之间分配可用资源。

在制造业信息化中，集中IT管理、应用整合、工业控制、虚拟制造等多种应用需求都将以各种服务的形式被封装到了虚拟机中，例如制造任务协同服务、资源管理服务、信息访问服务、WWW服务、工业控制服务、应用系统集成服务、数据管理服务、高效能计算服务、工具集服务等；同时支撑所有应用需求的数据库也被封装到了虚拟机中，例如企业模型数据库、制造资源数据库、产品模型数据库、专业知识数据库、用户信息数据库等。

虚拟化特有的优点使它能确保所有虚拟机中的关键业务连续可靠地运行。

2.2虚拟化在制造业信息化应用框架中的作用。

虚拟化在制造业信息化中的应用主要有：

gpu虚拟化有哪三种方法解决

NVIDIA宣布加入支援vSphere、vCenter或vMotion，将可透过NVIDIAGPUCloud串接使用者从自有伺服器到VMwareCloudonAWS在内GPU加速需求，并且让NVIDIA的GPU虚拟化技术应用到更广泛领域，除了应用在科学研究、数据分析或人工智慧领域，更可针对布署在云端的现代化应用服务运作进行加速。

在此次VMWorld2019开始前，NVIDIA宣布针对人工智慧、学习训练与资料分析等需求，打造名为vComputeServer的应用服务，并且将NVIDIAGPUCloud、NGCContainers，甚至可将GPU加速平台RAPIDS在内资源带进VMware与AWS合作的云端服务－VMwareCloudonAWS，让更多科学研究、数据分析、人工智慧技术应用能借由虚拟化GPU进行加速。

相比过往借由云端协同运算，多半会因为云端服务采用的CPU运算阵列效能限制，使得运算效能不如预期，甚至无法对应资料量越来越庞大的运算需求。

因此，NVIDIA在此次VMWrold2019与WMware的合作，并将GPU虚拟化应用带进VMware所提供服务，其中包含在VMware提供的vSphere整合名为vComputeServer的应用服务，同时也串接NVIDIAGPUCloud运算资源。

在此项合作里，将可让原本运用vSphere虚拟化平台的运算模式串接GPU运算资源，让vSphere平台产生的虚拟化机器可额外配置一张或多张虚拟化GPU，同时借由GPU加速整体运算效率，使得人工智慧学习、研究分析效率可大幅提升。

除此之外，借由此项合作，使用者将能以更具弹性方式调用GPU加速运算资源，而不一定必须建置自有GPU加速资源。

相比部分企业会在自有数据伺服器整合GPU加速资源，借此让整体数据运算效率提升，但难免必须承担建置与维护成本，同时仍可能面临运算规模成长时，必须有更大运算效能支撑的情况。

因此，NVIDIA从2017年提出NVIDIAGPUCloud服务，并且标榜能串接GoogleCloud、AWS、阿里云、DGX、OracleCloud等云端平台，透过GPU虚拟化方式协助推动更大运算规模，同时缩减运算所需时间。

而在今年的GTC2019期间，NVIDIA更提出全新CUDA-XAI加速演算平台，透过Turing显示架构、TensorRT运算框架，并且可相容TuringTensorCores设计，进而推动各类人工智慧运算模型，NVIDIA强调约可带来50倍以上的加速运算效果，并且带来更大的人工智慧运算应用成长推力。

此次宣布加入支援vSphere、vCenter或vMotion，将可透过NVIDIAGPUCloud串接使用者从自有伺服器到VMwareCloudonAWS在内GPU加速需求，并且让NVIDIA的GPU虚拟化技术应用到更广泛领域，除了应用在科学研究、数据分析或人工智慧领域，更可针对布署在云端的现代化应用服务运作进行加速。

就NVIDIA说明，过去已经在GPU虚拟化技术投入深度发展，例如早期借由GRID技术建立的虚拟化PC，以及后来推动的虚拟化工作站，让GPU虚拟化能应用在更进阶的专业绘图应用，甚至支援专业数据分析、机器学习、人工智慧、深度学习，或是超算领域等应用，另外也能对应各类伺服器运算加速，并且确保运算资源能即时无缝串接、整合。

相比单纯以CPU阵列加速模式，借由GPU加速约可提升50倍以上的深度学习效率，同时也能确保资料校正，或是降低资料比对错误机率，另外借由GPU虚拟化也能减少企业必须自行建置硬体设备成本，而NVIDIA更提供可依照运算需求选择使用NVIDIAT4、V100，或是采用QuadroRTX8000、6000在内Turing显示架构GPU，甚至也能选择以Pascal显示架构打造的P40、P100与P60作为GPU虚拟化应用。