Starburst anunció el 21 de octubre la disponibilidad general limitada de Starburst Torin, un motor analítico basado en Trino que ejecuta SQL directamente sobre GPU de NVIDIA. Torin se apoya en cuDF, la biblioteca de manipulación de datos acelerada por GPU del ecosistema RAPIDS, y se ofrece dentro de Starburst Enterprise como complemento —no sustituto— del motor sobre CPU que la plataforma ya tenía.
La diferencia técnica que reivindica la compañía está en el enfoque. En lugar de añadir una capa de aceleración por GPU encima de un motor pensado para CPU, Torin implementa los operadores SQL directamente para la GPU. Los dos motores conviven además dentro de la misma consulta: las operaciones soportadas se ejecutan en la GPU y el resto continúa en la CPU, sin que haya que partir la carga de trabajo a mano ni decidir de antemano qué consulta va a cada sitio. En las pruebas internas que publica Starburst sobre TPC-H con GPU NVIDIA Blackwell, el conjunto de consultas se ejecutó hasta siete veces más rápido, y la más favorable, 11,4 veces.
Esas cifras son del propio fabricante y sobre un banco de pruebas sintético, así que valen como indicación de orden de magnitud y no como previsión de lo que rendirá una carga real. TPC-H mide consultas analíticas con mucho cómputo y poca dispersión; una carga de producción con muchos accesos a formatos heterogéneos y federación entre orígenes —que es justamente el terreno de Trino— tiene un perfil distinto. La prueba útil es la propia, sobre las consultas que un equipo ya ejecuta a diario.
Lo que sí resulta valioso desde el punto de vista operativo es que no obliga a tocar nada: según la compañía, las consultas Trino, las aplicaciones, los agentes y los controles de gobierno existentes se mantienen sin cambios. Para una organización que ya haya estandarizado en Trino su capa de consulta federada, eso convierte la aceleración por GPU en una decisión de infraestructura y de coste, no en un proyecto de migración con riesgo de regresión funcional.
El cálculo que toca hacer, por tanto, es económico más que técnico. La GPU es sustancialmente más cara por hora que la CPU equivalente, de modo que la pregunta no es si una consulta va más rápido, sino si el tiempo ahorrado compensa el precio de la instancia acelerada y si hay suficiente volumen de consultas que encajen en los operadores soportados. En cargas concentradas en ventanas cortas —cierres, informes diarios, exploración interactiva con usuarios esperando— esa cuenta puede salir; en procesos por lotes nocturnos sin presión de tiempo, difícilmente.
El anuncio también encaja en un movimiento más amplio del sector: la aceleración por GPU, que llegó al mundo de los datos por la vía del entrenamiento de modelos, está empezando a aparecer en el plano analítico clásico. Que llegue a un motor abierto como Trino, y no solo a plataformas propietarias cerradas, es lo que hace el anuncio relevante más allá de la base instalada de Starburst.
Más en Dataprix: clasificación de plataformas de datos para empresas de Dataprix
Fuente: Starburst (nota de prensa)
Contenido elaborado con asistencia de inteligencia artificial — Equipo Editorial Dataprix. Verifica la información antes de tomar decisiones.