Cloudera baru-baru ini mengumumkan akselerasi GPU native untuk Apache Spark 4.1 di Cloudera Data Engineering, yang didukung oleh library NVIDIA CUDA-X, cuDF. Plug-in NVIDIA cuDF untuk Apache Spark akan mendukung Cloudera Anywhere Cloud™ yang baru saja diumumkan, yang dirancang untuk memungkinkan organisasi mempercepat workload Spark tanpa harus menulis ulang kode PySpark atau SQL. Hal ini membantu tim data menyiapkan data yang AI-ready dengan lebih cepat sekaligus mengurangi biaya infrastruktur cloud di seluruh lingkungan hybrid.
Seiring organisasi memperluas inisiatif AI, kecepatan penyiapan data telah menjadi tantangan yang krusial. Workload Spark berskala besar sering kali membutuhkan waktu berjam-jam untuk diselesaikan, memperlambat aplikasi analitik dan AI sekaligus meningkatkan biaya komputasi cloud. Dengan mengintegrasikan akselerasi GPU langsung ke dalam Cloudera Data Engineering, organisasi dapat memangkas waktu pemrosesan secara signifikan menggunakan aplikasi Spark yang sudah ada, tanpa mengubah kode maupun alur kerja operasional.
Mengakselerasi Spark untuk Enterprise AI
Apache Spark menangani banyak pipeline data perusahaan saat ini. Dengan akselerasi GPU native yang terintegrasi dalam Cloudera Data Engineering, organisasi dapat meningkatkan performa sekaligus tetap menjaga keamanan dan tata kelola yang dibutuhkan untuk workload di fase produksi. Dengan memanfaatkan NVIDIA cuDF untuk workload Spark, Cloudera akan memberikan akselerasi workload hingga 4x lipat pada GPU NVIDIA dibandingkan dengan infrastruktur CPU tradisional, sehingga memungkinkan perusahaan memperpendek siklus pemrosesan data secara drastis.
Bersama-sama, Cloudera Data Engineering yang diakselerasi oleh library NVIDIA CUDA-X™ menghadirkan:
● Akselerasi GPU tanpa perubahan kode untuk workload Apache Spark 4.1
● ETL dan penyiapan data yang lebih cepat untuk analitik dan AI
● Biaya infrastruktur cloud yang lebih rendah melalui waktu komputasi yang lebih singkat
● Implementasi sudah built-in tanpa konfigurasi driver secara manual
● Keamanan dan tata kelola kelas enterprise melalui Cloudera Unified Data Fabric
● Kinerja yang konsisten di ekosistem public cloud, private cloud, sovereign cloud, dan on-premises.
Berbeda dengan penawaran akselerasi GPU yang terbatas pada satu penyedia cloud saja, Cloudera memperluas kapabilitas ini di seluruh lingkungan hybrid sembari mempertahankan tata kelola dan operasional yang konsisten. Organisasi dapat mempercepat workload Spark di mana pun data mereka berada—baik di lingkungan on-premises, cloud, maupun edge—tanpa mengorbankan keamanan atau fleksibilitas.
Pipeline Data yang Lebih Cepat, Biaya Infrastruktur Lebih Rendah
Menyiapkan data yang tepercaya secara cepat dan dengan biaya yang wajar merupakan hal yang sangat penting bagi analitik dan AI. Data terbaru dari survei Cloudera The Great Re-Architecture Survey menemukan bahwa sebagian besar responden (84%) mengatakan bahwa workload AI telah menyebabkan peningkatan biaya infrastruktur. Dengan mempercepat pemrosesan Spark, organisasi dapat menyediakan data yang bersih dan siap digunakan oleh model dengan lebih cepat, membantu menekan biaya infrastruktur sambil meningkatkan produktivitas di seluruh tim data engineering, AI, dan analitik.
“Bagi banyak organisasi, AI tidak dibatasi oleh model. Melainkan dibatasi oleh seberapa cepat mereka dapat mengubah data mentah menjadi insight yang tepercaya dan dapat digunakan,” ujar Leo Brunnick, Chief Product Officer di Cloudera. “Mengakselerasi Spark di dalam Cloudera Data Engineering membantu menghilangkan hambatan tersebut, memungkinkan pelanggan beralih dari penyiapan data ke analitik dan AI dengan lebih cepat, sekaligus menempatkan tata kelola, keamanan, dan konsistensi operasional sebagai inti dari strategi mereka.”
“Jalur tercepat untuk mempercepat penerapan AI adalah jalur yang selaras dengan cara perusahaan beroperasi saat ini,” ujar Pat Lee, vice president, Strategic Enterprise Partnerships di NVIDIA. “Dengan infrastruktur NVIDIA AI dan library CUDA-X yang kini hadir secara native di Cloudera Data Engineering, perusahaan dapat menekan biaya dan secara signifikan mempercepat pipeline Apache Spark tanpa perlu mengubah satu baris pun kode PySpark atau SQL, mengubah data bisnis menjadi fondasi bagi AI.”
Kemampuan akselerasi GPU untuk Apache Spark akan tersedia di Cloudera Data Engineering sebagai bagian dari Cloudera Anywhere Cloud™, yang diumumkan dalam acara EVOLVE Singapore pada 20 Agustus 2026. Demo tambahan dan sesi teknis akan ditampilkan di NVIDIA GTC Berlin dan Cloudera EVOLVE New York pada akhir tahun ini.
