Os recursos em aplicativos de redes sociais como o Snapchat evoluem quase tão rápido quanto as tendências. Para acompanhar o ritmo, sua empresa-mãe, Snap, adotou bibliotecas abertas de processamento de dados da NVIDIA nos serviços do Google Cloud para impulsionar o desenvolvimento. Cada novo recurso lançado para os mais de 940 milhões de usuários ativos mensais do Snapchat passa por um conjunto de experimentos controlados antes de ser lançado. Durante este ciclo de teste A/B, a equipe de desenvolvimento estuda diferentes variáveis com um subconjunto de usuários, medindo quase 6.000 métricas que analisam engajamento, desempenho do aplicativo e monetização. A Snap realiza milhares desses experimentos a cada mês — processando mais de 10 petabytes de dados em uma janela de três horas todas as manhãs usando a estrutura distribuída Apache Spark. Ao adotar o Apache Spark acelerado pelo NVIDIA cuDF, a empresa está impulsionando essas cargas de trabalho de processamento de dados em GPUs NVIDIA para alcançar acelerações de 4x no tempo de execução com o mesmo número de máquinas, proporcionando um caminho econômico para escalar. Ao emparelhar o software otimizado para GPU da NVIDIA, incluindo bibliotecas NVIDIA CUDA-X, com os serviços de gerenciamento de infraestrutura do Google, como o Google Kubernetes Engine, a Snap está aproveitando uma plataforma full-stack para processamento de dados em escala. “A experimentação está no centro da nossa empresa. A mudança da nossa infraestrutura de dados de CPUs para GPUs nos permite escalar eficientemente essa experimentação para mais recursos, mais métricas e mais usuários ao longo do tempo”, disse Prudhvi Vatala, gerente sênior de engenharia da Snap. “Quanto mais experimentos conseguimos executar, mais experiências inovadoras podemos oferecer aos usuários do Snapchat.” Uma Maneira Sustentável de Escalar Os fãs do Snapchat frequentemente veem novos recursos no aplicativo — de notificações de chegada a adesivos gerados por IA — mas a Snap também está continuamente lançando atualizações nos bastidores, como otimizações de desempenho e atualizações de compatibilidade para novas versões de sistemas operacionais. O teste A/B para todos esses novos recursos agora roda no cuDF, o que permite que os desenvolvedores executem aplicativos Apache Spark existentes em GPUs NVIDIA sem alterações de código para fácil implantação. A biblioteca aberta para processamento de dados acelerado se baseia no poder da biblioteca NVIDIA cuDF GPU DataFrame enquanto a escala para a estrutura de computação distribuída Apache Spark. Com essa migração, a equipe — com base em dados internos da Snap coletados entre 1º de janeiro e 28 de fevereiro — obteve 76% de economia diária de custos usando GPUs NVIDIA no Google Kubernetes Engine em comparação com fluxos de trabalho somente com CPU. “Nós éramos o
Fonte: NVIDIA AI Blog
Publicado em 2026-03-17