NVIDIA GTC21 有大量精彩且引人入勝的內容，特別是在 RAPIDS 附近，因此很容易錯過我們的首次演示“ 使用 RAPIDS 加速 Node. js JavaScript 以實現可視化和更高的速度。 ”是的–我們正在通過 Node.js 項目將 GPU 加速數據科學的力量帶到 JavaScript Node.js 社區。

Node- RAPIDS 是 Node.js 中模塊化 RAPIDS 庫綁定的開源技術預覽，以及支持基于瀏覽器的高性能可視化的補充方法。

web viz 有什么問題？

大約十年前 是圍繞基于 web 的數據可視化的迷你復興，它展示了 D3 等高度交互、易于共享和使用的工具的好處。雖然性能不如 C / C ++或 Python 框架，但由于 JavaScript 的可訪問性，它們的受歡迎程度開始上升。毫不奇怪，它通常被列為 最流行的開發人員語言 ，排在 Python 或 Java 之前，現在有了完整的可視化和數據工具目錄。

然而，這個龐大的 JavaScript 開發社區由于缺乏首選語言中的一流加速數據工具而受到阻礙。當分析與數據源、科學和可視化盡可能接近時，分析是最有效的。要使用 JavaScript 完全訪問 GPU 硬件（超越 webGL 限制和黑客），需要精通多種語言來設置復雜的中間件管道或使用 Plotly Dash 等非 js 框架。因此，數據工程師、數據科學家、可視化專家和前端開發人員往往被孤立起來，甚至在組織內部也是如此。這是有害的，因為數據可視化是這些群體之間交流的理想媒介。

至于 RAPIDS Viz 團隊 自從我們第一次證明概念 ，我們希望構建能夠通過瀏覽器與數億個數據點實時無縫交互的工具——我們終于找到了一種方法。

為什么選擇 Node 。 js

如果您不熟悉 Node.js ，它是一個基于 C / C ++的開源跨平臺運行時環境，在 web 瀏覽器之外執行 JavaScript 代碼。超過 100 萬 Node. js 下載量 per day 。 節點包管理器 （ NPM ）是默認的 JavaScript 包管理器，微軟擁有它。 Node.js 用于 eBay 、 AliExpress 等在線市場的后端，并被 Netflix 、 PayPal 和 Groupon 等高流量網站使用。顯然，這是一個強大的框架。

圖 1 ： XKCD Node 。 js 是一個通用連接器。

Node. js 是一個連接器，它為我們提供了直接訪問硬件的 JavaScript ，從而簡化了 API 并能夠使用 NVIDIA CUDA.

. 通過創建節點 – RAPIDS 綁定，我們使一個龐大的開發人員社區能夠使用 GPU 加速，而無需學習新語言或在新環境中工作。我們還為同一社區提供高性能數據科學平臺： RAPIDS ！

下面是一個基于 我們的基本筆記本 的節點 – RAPIDS 的片段，它顯示了一個小型正則表達式示例的 6x 加速：

節點 – RAPIDS ：計為構建塊

圖 2 ： Node- RAPIDS 模塊概述。

與節點項目類似，節點 – RAPIDS 設計為模塊化。我們的目標不是構建交鑰匙 web 應用程序，而是創建一個 功能清單 ，以支持或加速各種各樣的用例和管道。前面是當前和計劃節點的概述 – RAPIDS 模塊按一般類別分組。 節點 – RAPIDS 應用程序可以根據需要使用任意數量的模塊。

為了減少起步的困難，我們還構建了一個 演示目錄 ，它可以作為通用應用程序的模板。隨著我們開發更多綁定，我們將創建更多演示來展示它們的功能。

圖 3 ：交叉過濾器應用程序的示例。

前面是使用 RAPIDS cuDF 和 RAPIDS cuSpatial 庫的地理空間交叉過濾儀表板應用程序的理想堆棧。我們有一個使用 Deck.gl 的簡單演示，您可以使用我們的 video 進行預覽，并在 Github 上探索 演示代碼 。

圖 4 ：流式 ETL 流程的示例。

前面的最后一個示例是一個僅服務器端的 ETL 管道，沒有任何可視化。我們有一個使用 cuDF 綁定和 互動筆記本 桌面應用程序的簡單 ETL 流程示例，您可以在 Notebook 上使用 video 進行預覽，并使用（獲取）交互。

下一步是什么？

雖然我們考慮這個項目已經有一段時間了，但我們才剛剛開始開發。 RAPIDS 是一個令人難以置信的框架，我們希望將它帶給更多的人和更多的應用程序— RAPIDS 正如我們所說的那樣。

近期下一步：

接下來的一些短期步驟是繼續構建核心 RAPIDS 綁定特性，您可以在我們的 當前綁定覆蓋率表 上查看這些特性。

如果直接從您的 web 應用程序中使用 GPU 加速 SQL 查詢的想法聽起來很有趣（對我們來說的確如此），那么我們也希望盡快開始使用一些 blazingSQL 綁定。

最值得注意的是，我們計劃開始創建和發布模塊化 docker 容器，這將大大簡化當前的源代碼技術預覽安裝過程。

關于作者

Allan Enemark ，數據可視化設計， NVIDIA RAPIDS 數據可視化團隊負責人，致力于建立概念證明，開發工具，并與 RAPIDS 集成框架，通過 GPU 加速推進可視化分析領域。

Ajay Thorve 是 NVIDIA 的軟件工程師， RAPIDS 組織的可視化團隊的一部分。 Ajay 的背景是全棧開發和數據科學，主要興趣包括 JavaScript / TypeScript 和 Python 。目前， Ajay 在 RAPIDS viz 團隊的工作主要集中在為 cuXfilter 和 node- RAPIDS 項目做出貢獻。

Bryan Van de Ven 是 NVIDIA 的高級系統軟件工程師，負責 RAPIDS 的前端和可視化工具。此前，他曾在微軟和 Anaconda 工作，在那里他創建了 conda 軟件包管理器，并共同創建了 Bokeh 可視化庫。布萊恩獲得了 UT 奧斯汀大學的計算機科學和數學學士學位，以及加州大學洛杉磯分校的物理學碩士學位。

Paul Taylor 是 NVIDIA RAPIDS 的高級工程師。

審核編輯：郭婷