Türkçe altyazı Turkish subtitles
0:00 Peki GPU, analitik iş yüklerini neden değiştiriyor? So why is GPU changing analytical workloads? 0:03 Yapay zeka, karmaşık iş yüklerini hızlandırmak için yıllardır GPU'ya güveniyor. AI has relied on GPU for years to accelerate complex workloads. 0:07 Şimdi aynı teknoloji, analitiği de değiştirmeye başlıyor. Now that same technology is beginning to change analytics. 0:10 Ekipler daha fazla veri analiz ettikçe ve daha fazla yapay zeka iş yükünü destekledikçe, geleneksel CPU tabanlı analitik ölçeklendirmenin maliyeti giderek artıyor. As teams analyze more data and support more AI workloads, traditional CPU-based analytics are becoming more and more expensive to scale. 0:19 GPU hızlandırma, CPU ve GPU'nun birlikte daha iyi çalışmasını sağlayan yeni bir yaklaşım sunuyor. GPU acceleration introduces a new approach using both CPUs and GPUs to work better together. 0:32 Bu videoda, analitik iş yüklerinin maliyet ve performansının neden değiştiğini, GPU'ların modern analitikte nasıl yer aldığını ve bunun veri işlemenin gelecekteki daha geniş bir kaymaya işaret ettiğini inceleyeceğiz. In this video, we'll explore why the cost and performance of analytical workloads are changing, how GPUs fit into modern analytics, and why this hints at a broader shift in the future of data processing. 0:43 Modern analitik iş yükleri temelden değişiyor. Modern analytical workloads are fundamentally changing. 0:46 Ekipler, milyarlarca kaydı işliyor, binlerce kullanıcıyı destekliyor ve aynı platformda yapay zeka uygulamaları için veri hazırlıyor. Teams are processing billions of records, supporting thousands of users and preparing data for AI applications all on the same platform. 0:54 Ancak büyük veri setleriyle çalışan herkes, veri boyutu büyüdükçe sorgu yürütme hızının yavaşladığını deneyimliyor. But everyone working with large sets of data experience that as the size of your data grows, The query execution speed will slow down. 1:09 Bu nedenle, sektör analitik iş yüklerinin nasıl yürütüldüğünü yeniden düşünmeye başladı. Therefore, the industry is beginning to rethink how analytical workloads are executed. 1:13 GPU hızlandırma, kullanıcıların SQL yazma veya veri analiz etme şeklini değiştirmeden hem performansı hem de altyapı verimliliğini artırarak yeni bir yaklaşım sunuyor. GPU acceleration offers a new approach by improving both performance and infrastructure efficiency without changing how users write SQL or analyze data. 1:27 GPU hızlandırmalı analitik CPU'yu değiştirmez ve verinin boyutuna ve yapısına bağlı olarak CPU hâlâ daha hızlı olabilir; bunu şu grafikte görebilirsiniz. GPU accelerated analytics doesn't replace the CPU, and depending on the size and shape of the data, CPU might still be faster, as you can see right here in this graph. 1:39 Ya da heterojen hesaplama olarak adlandırılan bir yaklaşımla, CPU ve GPU birlikte çalışabilir. Or using an approach called heterogeneous computing, CPUs and GPUs can work together. 1:44 CPU üzerinde bir ana bilgisayar çalışır. There would be a host working on CPU. 1:50 Gelen sorguyu işler. Which processes the incoming query. 1:54 Ve sonucu geri döndürür. And returns the outcome in result. 1:57 İş yükünün doğasına bağlı olarak CPU kullanabilir. Depending on the nature of the workload, it might use CPU. 2:04 Veya sorguyu yürütmek için GPU kullanabilir. Or a GPU to execute the query. 2:07 CPU, sorgu yürütmesini koordine etmeye ve genel iş akışınızı yönetmeye devam ederken, GPU, bu paralel hesaplama işlemlerinden faydalanan analitik iş yüklerinin yüksek derecede paralel kısımlarını hızlandırır. The CPU continues coordinating query execution and managing your overall workflow, while GPU accelerate the highly parallel portions of analytical workloads that benefit from this parallel computation. 2:21 Temel soru şu: GPU'lar analitik için neden birdenbire önemli hale geliyor? The key question is, why are GPUs suddenly becoming relevant for analytics? 2:25 Cevap, paralellikte gizli. The answer comes down to parallelism. 2:27 Birçok analitik iş yükü, devasa miktardaki veriler üzerinde aynı işlemi gerçekleştirir. Many analytic workloads perform the same operation across enormous amounts of data. 2:32 Ve bu, GPU'ların çözmesi için tasarlandığı tam da o tür bir sorundur. And it turns out to be exactly the kind of problem GPUs were designed to solve. 2:37 Bunun nedenlerini üç maddede inceleyelim. Let's look at three reasons why. 2:40 İlk neden, GPU ve CPU'nun tasarım gereği farklı güçlü yanlara sahip olmasıdır. The first reason is that GPU and CPU have different strengths by design. 2:45 CPU'lar inanılmaz derecede güçlüdür ve az sayıda çekirdeğe dayanır. CPUs are incredibly powerful and are relying on a small number of cores. 2:52 Karmaşık komutları çalıştırır, uygulamaları yönetir ve iş yüklerini son derece iyi koordine eder. They execute complex instructions, manage applications, and coordinate workloads extremely well. 2:58 GPU'lar ise farklıdır. GPUs are different. 2:59 Paralel işlemleri gerçekleştirmede çok başarılı olan binlerce küçük işlem birimi içerirler. They contain thousands of smaller processing units that are great at handling things in parallel. 3:08 GPU'lar CPU'ların yerini almak yerine onları tamamlar; bunu buradaki genel bakışta görebilirsiniz. Rather than replacing CPUs, GPUs complement them, as you can see in this overview right here. 3:14 Genel olarak, iş yüklerinizin doğasına bağlı olmak kaydıyla, GPU size daha iyi bir hesaplama yoğunluğu ve dolayısıyla hesaplama maliyeti başına daha iyi bir performans sunar. Overall, GPU will give you a better compute density and therefore better performance per unit of compute costs, depending on the nature of your workloads, of course. 3:23 İkinci neden, analitik iş yüklerinin yüksek derecede paralel olmasıdır. The second reason is that analytical workloads are highly parallel. 3:27 Birçok SQL işlemi, milyonlarca veya milyarlarca satır üzerinde aynı hesaplamaları tekrarlar. Many SQL operations repeat the same calculations across millions or billions of rows. 3:32 Belki filtreleme, gruplama veya toplulaştırma yapıyorsunuzdur. You might be filtering, grouping, or aggregating. 3:35 Verileri seçtiğinizi, bunları birden fazla tablodan seçtiğinizi varsayalım. Assume you are selecting data, you're selecting it from a number of tables. 3:41 Ve filtreleme yapmak için where gibi bazı koşullarınız olabilir. And you might be having some classes such as where to filter. 3:46 Arada, on veya join gibi ek unsurlarınız da olabilir. In between, you might have additional things like ons or joins. 3:51 Ve sonunda, verileri gruplayabilirsiniz. And at the end, you may be grouping. 3:56 Veya verilerinizi sıralayabilirsiniz. Or ordering your data as well. 3:57 SQL motorunuza bağlı olarak, bu işlemler sırayla yerine aynı anda gerçekleştirilebilir. Depending on your SQL engine, these operations can be executed at the same time instead of one by one. 4:04 Bu da onları GPU hızlandırması için son derece uygun hale getirir. And this would make them well suited for GPU acceleration. 4:07 Üçüncü neden, daha iyi performansın ekonomik dengeyi değiştirmesidir. The third reason is better performance changes the economics. 4:11 Asıl fayda, sadece sorgunuzun daha hızlı çalışmasını sağlamak değil, aynı zamanda maliyetinizin düşük kalmasını da garanti etmektir. The real benefit isn't just making your query execute faster, it's also making sure your cost will stay low. 4:17 Çünkü sorgunuzun çalışması ne kadar uzun sürerse, maliyet o kadar yüksek olur. Because the longer your query takes to execute, the higher the cost will be. 4:24 Sorgular daha hızlı tamamlandığında, hesaplama verimliliği ve çalışma özellikleri değişir. It's changing compute efficiency and execution characteristics when queries complete more quickly. 4:29 Altyapınız daha kısa süre çalıştığı için, daha fazla kullanıcı aynı hesaplama kaynaklarını paylaşabilir ve sorgu başına hesaplama maliyetiniz düşer. Because your infrastructure runs for less time, more users can share the same compute resources, and your compute cost per query execution decreases. 4:38 Çünkü içgörüleriniz daha hızlı ulaştığında, performans ve maliyet birlikte iyileşir. Because your insights are arriving sooner, performance and cost improve together. 4:43 Bu, hesaplama çalışma modellerinde mimari bir kaymadır. This is an architectural shift in compute execution models. 4:46 GPU hızlandırması, mevcut analitik platformların yerini almakla ilgili değildir. GPU acceleration isn't about replacing existing analytic platforms. 4:51 Analitik motorların iş yükünü nasıl çalıştırdığının evrim geçirmesiyle ilgilidir. It's about evolving how analytics engines execute work. 4:55 İş yükleri büyümeye devam edecek, ancak hesaplama kapasitesi ve maliyet kısıtları aynı hızda büyümeyecek. Workloads will continue to grow but compute capacity and cost constraints won't grow at the same pace. 5:01 İşte bu yüzden analitiğin geleceği yalnızca CPU'lara dayanmayacak. That's why the future of analytics won't rely on CPUs alone. 5:05 Bunun yerine, ekiplerin daha hızlı teslimat yapmasını sağlamak için CPU'lar ve GPU'lar birlikte çalışacak. Instead, we will have CPUs and GPUs working together to allow teams to deliver faster. Altyazı bilgisayarımda üretildi ve videoyla ilerler; bir satıra tıklayın, o ana atlasın. Subtitles generated on my computer; they follow the video — click a line to jump there.
Artan veri hacimleri ve yapay zeka yükleri nedeniyle geleneksel CPU tabanlı analitiklerin maliyeti yükselirken, GPU hızlandırma hem performans hem de altyapı verimliliğini artırarak modern veri işlemede yeni bir yaklaşım sunuyor. As data volumes and artificial intelligence workloads increase, driving up the cost of traditional CPU-based analytics, GPU acceleration offers a new approach to modern data processing by enhancing both performance and infrastructure efficiency.
Bu video youtube.com üzerinde yayımlandı; buradaki oynatıcı YouTube’undur. Türkçe özet ve altyazı AiPulse için hazırlanmıştır. This video is published on youtube.com ; the player here is YouTube’s. The Turkish summary and subtitles are prepared for AiPulse .
YouTube’da izle Watch on YouTube AI Kritik → AI Critique →