后疫情时代边缘计算

通过ADI，数据中心成为了新的计算单元，并且完全可组合，由GPU和DPU加速。

要对数据中心进行编程，必须对网络进行编程

对于ADI，数据中心是新的计算单元，而网络结构提供了一个灵活、自动化、可编程的框架来动态地组合工作负载资源。这意味着不仅要对CPU、GPU和DPU进行编程，还要对网络结构本身进行编程，将DevOps的优势扩展到网络中，这种方法称为“基础架构即代码”(Infrastructure as Code,IaC)。该结构必须可编程、可伸缩、快速、开放、功能丰富、自动化友好且安全。它可以在CPU，GPU和存储之间提供多种高带宽路径，并能够对流量类别进行优先级排序。

 

数据中心新时代

现在，我们进入了数据中心的第三个时代，我们称之为ADI(Accelerated Disaggregated Infrastructure)，它基于可组合的基础架构，微服务和特定域处理器。

ADI有以下特点：

加速：不同的处理器可以根据优秀的方案加速不同的工作负载。CPU运行通用的单线程工作负载，GPU运行并行处理工作负载，数据处理单元(DPU)管理数据的处理和低延迟移动，使CPU和GPU更有效地获得所需的数据。例如，CPU可以运行数据库，GPU可以处理人工智能和视频，而DPU可以快速，高效，安全地将正确的数据传递到需要的地方。

使用GPU加速的AI和机器学习现在无处不在：线上购物、5G无线、医学研究、网络安全、软件开发、视频处理乃至数据中心运营。可以通过DPU加快网络、存储访问和保证安全性来使云和容器快速增长。

解耦：将计算、内存、存储和其他资源分成多个池，并以适当的数量动态分配给服务器和应用程序。通常，应用程序本身是由交互微服务构建的，而不是作为一个整体的代码块。这样可以更轻松地以正确的资源比例编写应用程序，并根据需要更改该比例。

使用ADI模型，GPU，DPU和存储可根据需要连接到任何服务器、应用程序或VM。通过使用Nvidia的GPU Direct和Magnum IO等技术，CPU和GPU可以在网络上相互访问和存储，其性能几乎都与同一台服务器上的相同，可以将正确数量和类型的GPU分配给需要它们的工作负载。每台服务器中的DPU可以管理和加速常见的网络、存储、安全性、压缩和深度数据包检查任务，以保持数据的快速和安全移动且不会给CPU或GPU造成负担。

 

从物理服务器到虚拟化系统，现在数据中心又发展成可组合的基础架构。在这种基础架构中，像存储和持久内存之类的资源已从服务器中分离出来，原先的数据处理和联网任务只在CPU上运行，现在演变为可在GPU、DPU或FPGA上运行计算。另外，软件开发模型从单台计算机上运行的程序，演变为在整个数据中心上运行的分布式代码，实现了云原生、容器化的微服务。

在新一代的数据中心里，开发人员可以通过一个可编程的数据中心结构来组装各种类型的处理器和资源，组成自己所需要的云计算平台。

数据中心的第一个时代是以CPU为中心的，即只能在一台计算机上运行一个应用程序。由于资源分配是静态的，并且更换服务器可能要花费数周或数月，因此通常需要多台服务器，而且还不能得到充分利用。

 

我会在面试讨论和跟进个人资料。如果有人参与了一个成功的项目，那么他们的角色是什么，他们如何为项目的交付做出贡献?他们能否举其他例子说明他们做的事情，并详细说明如何做?

5.组织适应度

评估方式：面试

我要寻找的最后一个品质是组织适合度，这关系到他们将如何适应他们所处的单个团队以及整个组织文化，很大程度上要依靠招聘小组的主观判断，我们同时也需要制定适当的政策来应对这一点。

例如，公司可能有一项政策，以从性别、种族或其他因素的角度来增加其员工队伍的多样性。在这种情况下，“文化契合度”实际上可能意味着寻找与众不同而不是与现有公司人口统计数据保持一致的人。

团队协作将更多地是在技能方面对团队进行补充。再次，这也有利于团队的多元化，如果团队中已经有一个非常擅长架构的人，并且有两个分别入围架构或UI专业的候选者，则可能有必要在此聘请UI人员，这这是为了增加团队内部技能基础。

招聘是一场双向选择。应聘者寻求着自己心仪的工作，招聘者也在寻找着具有特别品质的人。招聘的形式能否展现出双方的能力和诉求，这一点非常重要，招聘应该是对话而不是测试。如果我们要聘用比较好的候选人，我们需要给他们机会展示他们的才能。


 

（编辑：江门站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!