MIG (Multi-Instance GPU)（ミグ）
英語表記: MIG (Multi-Instance GPU)
概要
MIG（Multi-Instance GPU）は、高性能な単一のGPUを、最大7つまでの完全に独立した小さなGPUインスタンスに分割し、複数のユーザーやアプリケーション間で安全かつ効率的に共有するためのハードウェア機能です。これは、私たちが今扱っている「GPGPUと計算用途」の文脈において、限られたGPUリソースを最大限に活用し、「GPU仮想化とシェアリング」の効率を飛躍的に向上させるために開発されました。それぞれのインスタンスは、専用のメモリ、キャッシュ、ストリーミングマルチプロセッサ（SM）を持つため、リソースの競合を気にすることなく、あたかも独立した物理GPUのように振る舞うことが可能です。
詳細解説
MIGの登場は、「GPU仮想化とシェアリング」の分野において、大きなブレイクスルーをもたらしました。従来のGPU仮想化技術（vGPUなど）の多くは、ソフトウェアレイヤーでのリソース共有に依存しており、セキュリティ上の隔離や、厳密なパフォーマンス保証（SLA）の点で課題が残っていました。しかし、MIGはこの課題を、ハードウェアレベルでの物理的な分離によって解決しています。
目的と背景：なぜMIGが必要か
GPGPU、特にAIや機械学習の分野では、非常に大規模なモデルを学習させるために巨大なGPUパワーが必要とされる一方で、推論や開発初期の実験など、比較的少ない計算リソースで済む小さなワークロードも数多く存在します。
大きなGPUを丸ごと一つのタスクに割り当ててしまうと、そのGPUの能力のほんの一部しか使われない「リソースの無駄遣い」が発生してしまいます。MIGの主な目的は、この問題に対処することです。巨大なGPUを細かく分割することで、小さなワークロードには小さなインスタンスを、大きなワークロードには複数のインスタンスを組み合わせて割り当てることが可能となり、GPU全体の利用率を劇的に向上させます。これは、まさに「GPGPUと計算用途」における経済性と効率性の追求の結果と言えるでしょう。
動作原理と主要コンポーネント
MIGは、特定のハイエンドGPU（NVIDIA A100など）に搭載されている機能であり、GPU内部の物理的な構造を利用して分割を実現します。
- インスタンスの作成: ユーザーは、単一の物理GPUを、例えば「1/7サイズ」や「2/7サイズ」といった、あらかじめ定義された構成に基づいて複数の独立したインスタンスに分割します。
- ハードウェア隔離: 最も重要な点は、分割された各インスタンス（GPUインスタンス）が、専用のグローバルメモリ、L2キャッシュ、そしてSM（Streaming Multiprocessor）のセットを持つことです。これらのリソースは、ハードウェアの論理的な境界によって完全に隔離されます。
- 完全な独立性: このハードウェア隔離により、あるインスタンスで実行されている計算が、隣接するインスタンスの計算速度や安定性に影響を与えることがありません。これにより、セキュリティが強化され、マルチテナント環境（複数の顧客が同じ物理インフラを利用する環境）においても、厳密なパフォーマンス保証が可能になります。これは、「GPU仮想化とシェアリング」において、セキュリティと安定性を両立させる理想的な方法です。
ソフトウェア仮想化との違い
MIGは、ソフトウェアベースの仮想化（vGPU）が抱えていたオーバーヘッドやリソース競合の問題を解消します。vGPUがOSやハイパーバイザーを通じてリソースを「時間分割」や「論理分割」するのに対し、MIGはリソースを「物理的・空間的」に分割し、それぞれのインスタンスが同時に、かつ独立して動作することを保証します。これにより、レイテンシ（遅延）が減少し、予測可能な高性能を実現できるのです。
具体例・活用シーン
MIGは、特にクラウドサービスプロバイダーや大規模なデータセンターにおいて、GPUリソースを細かく管理し、多様な顧客に提供するために不可欠な技術となっています。
- 多様なAIワークロードの同時実行:
- あるインスタンスは、大規模なニューラルネットワークのトレーニングに。
- 別の小さなインスタンスは、顧客向けのリアルタイム推論サービスに。
- さらに別のインスタンスは、開発者が小さなバグ修正のためのデバッグ作業に。
このように、一つの物理GPU上で、優先度や要件が異なる複数のタスクを安全に並行稼働させることができます。
- マルチテナント環境でのリソース保証:
- クラウドプロバイダーが、複数の企業に対してGPUリソースを販売する際、「あなたの企業には常にこの1/7インスタンス分の計算能力を保証します」と確約できます。他のテナントがどれだけ負荷をかけても、保証されたリソースは影響を受けません。
比喩：豪華客船の個室化
MIGの機能を初心者の方に理解していただくために、大きな豪華客船を想像してみてください。
かつて、大きなGPUを共有するということは、船全体を一つの大広間として使い、多くの人が同時に場所を分け合って作業するようなものでした（従来のソフトウェアシェアリング）。誰かが大きな荷物（重い計算）を持ち込むと、他の人のスペースが狭くなったり、動きが制限されたりしました。これがリソースの競合です。
MIGは、この豪華客船を、完全に独立した防音・耐震の個室（スイートルーム）に分割する作業に似ています。
船（物理GPU）は一つですが、各スイートルーム（MIGインスタンス）には、専用のバスルーム（メモリ）、専用のクローゼット（キャッシュ）、専用の窓からの景色（SM）が割り当てられています。隣の部屋でどれだけパーティー（高負荷な計算）が行われても、自分の部屋の静けさや広さ、快適さ（パフォーマンス）は一切影響を受けません。MIGは、この「物理的な隔離による独立性の確保」をGPU上で実現している、と考えていただけると分かりやすいかと思います。
この技術は、「GPU仮想化とシェアリング」において、単にリソースを分けるだけでなく、質の高いサービス（QoS: Quality of Service）を保証することを可能にしているのです。
資格試験向けチェックポイント
MIGは、比較的新しい技術であるため、ITパスポートや基本情報技術者試験で詳細な仕組みが問われる可能性は低いですが、応用情報技術者試験や、より専門的な分野（クラウド、AI）に関連する試験では、その概念と目的が重要になります。
| 試験レベル | 問われる可能性の高いポイント |
| :— | :— |
| ITパスポート | GPGPUリソースの効率的な利用を目的とした技術の一つである、という程度の理解で十分です。キーワード「GPUの分割」「リソースのシェアリング」を覚えておきましょう。 |
| 基本情報技術者 | 「ハードウェアレベルでのリソース隔離」を実現する技術として認識してください。これにより、マルチテナント環境でのセキュリティやパフォーマンス保証（SLA）が向上することを理解することが重要です。従来のソフトウェア仮想化との違いを問う選択肢に注意しましょう。 |
| 応用情報技術者 | GPGPUと計算用途における高性能コンピューティング（HPC）やAIインフラストラクチャの最適化技術として問われます。MIGの目的が「GPUの利用率向上」と「予測可能なパフォーマンスの提供」であることを深く理解してください。特に、メモリ、キャッシュ、SMが独立して割り当てられるという、物理的な分離の概念が重要です。 |
| 共通の注意点 | MIGは「GPU仮想化とシェアリング」の文脈で登場します。「一つの高性能GPUを複数の小さな独立したGPUとして扱う」という基本概念を忘れないようにしてください。 |
関連用語
MIGは、GPUリソースの効率化と共有に関連する技術体系の一部です。この文脈で理解を深めるために、以下の用語を合わせて学習することを推奨します。
- GPGPU (General-Purpose computing on Graphics Processing Units): GPUをグラフィックス処理だけでなく、汎用的な計算（AI、科学技術計算など）に利用する技術。MIGの基盤となる利用形態です。
- vGPU (Virtual GPU): ソフトウェアベースでGPUリソースを仮想化し、複数の仮想マシン（VM）間で共有するための技術。MIGとは異なり、ソフトウェア的な時間分割や論理分割が中心となります。
- コンテナ技術 (Docker, Kubernetes): ワークロードを分離するための技術。MIGは、コンテナやVMといった計算環境に、ハードウェアレベルで隔離されたGPUリソースを割り当てる際に利用されます。
関連用語の情報不足:
この分野は急速に進化しており、特定のベンダーに依存する技術用語が多いです。MIGの詳細な動作を理解するためには、GPUアーキテクチャ（例：NVIDIA Ampere/Hopper）に関する専門用語（SM、Tensor Coreなど）が必要となりますが、これらはIT資格試験の一般的な範囲を超える可能性があります。また、クラウド環境でのMIGの具体的な提供形態（インスタンスタイプ名など）は、ベンダー固有の情報となるため、ここでは割愛しました。専門的な学習を進める際には、これらの情報を補完することが重要です。
（総文字数 約3,300字）
