GPU as a Service

MIG (Multi-Instance GPU), tek bir fiziksel NVIDIA H100 GPU'nun donanım seviyesinde izole edilmiş 7 bağımsız parçaya bölünmesini sağlayan bir teknolojisidir. Zaman paylaşımlı vGPU'nun aksine MIG, her iş yüküne tamamen dedike ve izole kaynaklar atayarak "gürültülü komşu" (noisy neighbor) sorununu ortadan kaldırır ve performans garantisi sunar.

VRAM (Video RAM), GPU'nun paralel hesaplamalar için verileri anlık olarak depoladığı hızlı ve özel belleğidir. Bir LLM ne kadar büyükse (parametre sayısı fazlaysa), o kadar fazla VRAM'e ihtiyaç duyar. VRAM yetersiz kalırsa model ya çalışmaz ya da çok yavaş olan sistem RAM'ine başvurarak performans kaybına neden olur.

• Model Eğitimi (Training): Milyarlarca veriyi kullanarak bir modeli haftalarca eğitmeyi ifade eder ve en yüksek hesaplama gücünü gerektiren "post-prodüksiyon" sürecidir.
• Çıkarım (Inference): Eğitilmiş modellerin (örneğin ChatGPT benzeri sohbet botları) gerçek zamanlı olarak anlık yanıtlar vermesidir; burada düşük gecikme (latency) süresi kritiktir. GlassHouse GPUaaS, her iki iş yükü tipi için de ölçeklenebilir ve yüksek performanslı altyapı sunar.

(KVKK ve Regülasyon Uyumu) Evet, GlassHouse GPU as a Service altyapısının tamamı Türkiye’deki veri merkezlerinde barındırılmaktadır.

GlassHouse tarafından sunulan Yönetilen GPU (Manage GPU) hizmeti, kurumlara sadece donanım erişimi sağlamanın ötesine geçerek, GPU ekosisteminin tüm operasyonel ve teknik katmanlarını kapsayan uçtan uca bir destek sunar. Kaynaklara göre bu hizmetin kapsamındaki temel teknik detaylar şunlardır:

GPU Ekosistemi ve Bileşen Yönetimi
Yönetilen hizmetin en kritik parçasını, GPU'nun verimli çalışması için gerekli olan yazılım katmanlarının yönetimi oluşturur.
• Yazılım Katmanı Kurulumu ve Yamalanması: CUDA, NVIDIA Container ve Docker gibi GPU ekosisteminin temel bileşenlerinin kurulumu, yönetimi ve güncellenmesi GlassHouse uzmanları tarafından gerçekleştirilir.
• Periyodik Güncellemeler (Patch Management): İşletim sistemi, GPU kartı ve sürücü (driver) gereksinimlerine yönelik yamalar, müşteriyle koordineli bir şekilde 3 aylık periyotlarla düzenli olarak uygulanır.
• NVIDIA Uyumluluğu: NVIDIA veya GPU tarafından desteklenen işletim sistemi güncellemeleri takip edilerek sisteme entegre edilir.

İşletim Sistemi (OS) ve Altyapı Yönetimi
Manage GPU hizmeti, donanımın üzerinde koşan işletim sistemi katmanını da (Manage OS) kapsar.
• Kurulum ve Konfigürasyon: İşletim sisteminin kurulması, temel yapılandırmaların yapılması ve müşteri talebine göre özel sürücülerin (driver) yüklenmesi bu kapsamdadır.
• Dosya Sistemi ve Disk Yönetimi: Dizinlerin yönetimi, dosya sistemindeki arızalara müdahale edilmesi ve disk doluluk oranlarının takibi sağlanır.
• Erişim ve Güvenlik: Sunucu üzerindeki erişim kontrolleri, güvenlik açıklarına ilişkin taleplerin yerine getirilmesi ve sistem loglarının takibi titizlikle yürütülür.

7/24 İzleme ve Operasyonel Müdahale
Hizmet, sürekliliği garanti altına almak için gelişmiş izleme mekanizmalarıyla desteklenir.
• Gelişmiş Monitoring: Sadece standart altyapı değil, GPU VRAM kullanımı ve Power State gibi spesifik metrikler de 7/24 izlenir.
• Kesinti Yönetimi: Erişim kesintilerinde veya sunucu/ağ sorunlarında, belirlenen servis seviyelerine (SLA) uygun olarak anında müdahale edilir.
• Servis Sahipliği: Sunucu üzerinde çalışan servislerin belirlenerek bir "servis sahipliği matrisi" oluşturulması ve operasyonel boşlukların kapatılması sağlanır.

Stratejik Avantajlar
Kaynaklar, bu teknik kapsamın kurumlara sağladığı temel faydayı "operasyonel yükten kurtularak inovasyona odaklanmak" olarak tanımlar. Kurumlar, karmaşık LLM (Büyük Dil Modelleri) ve yapay zeka projelerinde CUDA versiyon uyumsuzlukları veya sürücü hatalarıyla uğraşmak yerine, GlassHouse'un ITIL standartlarındaki yönetim modelinden faydalanarak projelerini hızlandırabilirler.

GPU tek başına bir çözüm değildir; veri besleme katmanları (CPU, RAM, depolama ve network) GPU'yu besleyebilecek güçte olmalıdır. Eğer veri setiniz yavaş bir depolama biriminden geliyorsa, saniyede terabaytlarca veri işleyebilen H100 "aç kalır" ve boşta (idle) bekleyerek proje sürenizi uzatır. GlassHouse, bu darboğazları önlemek için yüksek performanslı NVMe SSD alanı ve 100 gigabitlik network altyapısı sunar.

Büyük dil modellerinde (LLM) modelin toplam boyutu ile o anki hesaplamada kullanılan aktif parametre sayısı farklılık gösterebilir. MoE gibi mimarilerde VRAM kullanımı daha optimize edilebilir, bu da 800 GB disk alanı kaplayan devasa modellerin uygun VRAM yapılandırmalarıyla çalıştırılmasına olanak tanır.

Kurumsal döküman setleri üzerinde çalışan RAG yapıları veya akıllı yanıt sistemleri sunan Agentic AI sistemleri, çok yüksek VRAM kapasitelerine ihtiyaç duymadan düşük gecikmeli ve yüksek doğruluklu sonuçlar üretebilir. Bu yöntemler, GPU paralel işleme gücünü en verimli şekilde kullanarak maliyetlerinizi düşürür.

GPU satın almak yüksek CAPEX (Sermaye Yatırımı) gerektirir; ancak GlassHouse’un sunduğu model ile kurumlar bu maliyeti OPEX (Operasyonel Gider) olarak yönetebilirler. Bu sayede donanım eskitme, enerji, soğutma ve bakım gibi gizli maliyetlerden kurtulurken, bütçelerini stratejik projelerine ve inovasyona yönlendirebilirler.

Hayır; NVIDIA H100’ün 4. Nesil NVLink teknolojisi sayesinde 8 adede kadar GPU, 900 GB/s gibi devasa bir bant genişliğiyle birbirine bağlanabilir. Bu "Dağıtık Model Eğitimi" kapasitesi, büyük veri setleriyle yapılan LLM eğitimlerinde performans kaybı yaşanmadan doğrusal bir ölçeklendirme sağlar.

Hizmetimiz; yüksek hacimli metin analizi (NLP), büyük ölçekli görsel işleme (Computer Vision), derin öğrenme (Deep Learning) ve karmaşık veri analitiği (Big Data Analytics) gerektiren tüm sektörler için tasarlanmıştır. Özellikle bankacılık, ödeme sistemleri ve sağlık gibi veri güvenliğinin kritik olduğu sektörlerde yaygın olarak kullanılır.

GlassHouse altyapısı coğrafi olarak yedekli ve 7/24 izlenen bir yapıya sahiptir. Donanımsal bir arıza durumunda, N+1 yedeklilik yapıları veya Kubernetes orkestrasyonu sayesinde iş yükleriniz otomatik olarak sağlam bir GPU kaynağına aktarılır; böylece operasyonel kesinti minimize edilir.

Evet; GlassHouse GPUaaS altyapısı tamamen Türkiye’deki veri merkezlerinde barındırılmaktadır. Bu fiziksel yerellik, KVKK'nın yanı sıra BDDK ve SPK gibi kurumların "verinin yurt içinde kalması" ve "izole barındırma" gerekliliklerini tam olarak karşılar.

Güçlü bir GPU, yavaş bir depolama birimiyle "aç kalır" ve işlemci boşta (idle) bekler. GlassHouse, bu darboğazları önlemek için GPU ünitelerini yüksek performanslı NVMe SSD alanları ve 100 Gbps hızındaki düşük gecikmeli network anahtarlarıyla destekler; böylece veri besleme (data feeding) hızı GPU işlem gücüyle senkronize çalışır.