NVIDIA 剛向世人展現出一舉刷新舊紀錄的堅強實力，將運行 TPCx-BB 這項大數據分析基準的效能表現提高近 20 倍。
NVIDIA 使用 RAPIDS 開放源碼資料科學軟體庫套件，在 16 台 NVIDIA DGX A100 系統支援的情況下，僅用了 14.5 分鐘便完成了這項基準測試，而先前的紀錄是使用 CPU 系統花了 4.7 小時來完成測試。這 16 台 DGX A100 系統用上了 128 個 NVIDIA A100 GPU 及 NVIDIA Mellanox 網路技術。
所有系統忙碌運行：各項軟硬體發揮全力，達到全速前進的結果。
時至今日，組織使用人工智慧來取得深入的見解。TPCx-BB 基準在進行查詢時的特色，是使用 SQL 和機器學習來處理結構化資料，以及使用自然語言處理和非結構化資料，反映出現代資料分析工作流程中的多樣性。
這些非官方的結果表明了一種新的標準，突破這個新標準的背後推手是透過 NVIDIA 的軟硬體商業生態體系。
NVIDIA 在運行此一測試基準時，在資料處理與機器學習方面用上了 RAPIDS、在水平擴展方面用上了 Dask，在超高速通訊方面用上了 UCX 開放源碼函式庫，並且在 DGX A100 上加速運行這些技術。
DGX A100 系統可以在單一軟體定義平台上，有效推動進行分析、人工智慧訓練與推論等作業。DGX A100 將 NVIDIA 最新的 Ampere 架構 NVIDIA A100 Tensor Core GPU 與 NVIDIA Mellanox 網路技術，整合在一個統包式系統中，使用者可以輕鬆調整這個系統的規模。
平行處理創造出無與倫比的效能表現
TPCx-BB 是一個用於企業的大數據基準，代表實體環境中的 ETL（擷取、轉換、載入）與機器學習工作流程。該基準的三十個查詢項目包括庫存管理、價格分析、銷售分析、推薦系統、客戶區隔和情感分析等大數據分析使用案例。
就算分散式運算系統不斷尋求進步，在 CPU 上進行這類大數據分析工作仍會遇到瓶頸。在 DGX A100 上使用 RAPIDS 進行分析的結果，象徵著第一個在 GPU 上進行TPCx-BB 基準測試的突破潛力，而這項測試基準過去僅能在 CPU 系統上運行。
RAPIDS 軟體商業生態體系與 DGX A100 系統在這項測試基準中，加快了運算、通訊、網路及儲存基礎架構的運行速度，而這種整合為大規模運行資料科學工作量奠定新的標竿。
大數據規模的高效率測試基準
在 SF10000 TPCx-BB 的規模方面，NVIDIA 的測試結果代表著分析 10TB 以上資料量的表現。
透過這麼大的資料量進行查詢，當中的複雜度會迅速拉長執行時間，造成資料中心增加在空間、伺服器設備、電力、冷卻和 IT 專業技術等方面的開銷。彈性的 DGX A100 架構可以協助資料中心排除這些燙手山芋。
NVIDIA 的硬體合作夥伴即將推出全新的 NVIDIA A100 Tensor Core GPU 系統，資料科學家就會有更多選擇，在 A100 GPU 突破性運算效能的協助下，加快處理各項繁重的分析工作。
開放源碼社群通力合作，加快發展腳步
許多合作夥伴與開放源碼團體積極參與 RAPIDS TPCx-BB 基準 這項專案。
將一連串使用 RAPIDS DataFrame 函式庫、cuDF、RAPIDS 機器學習函式庫、cuML、CuPy、BlazingSQL 及 Dask 的 Python 腳本當成主要函式庫來進行TPCx-BB 查詢作業。在使用者定義的函數中使用 Numba 來執行自訂邏輯項目，在命名實體識別（Named Entity Recognition）則是使用 spaCy。
少了 RAPIDS 及更龐大的 PyData 商業生態體系，便無法達到這些成果。