Nvidia与Spark开源社群合作，在即将发布的资料运算引擎Apache Spark 3.0，支持端到端GPU加速功能，Nvidia提到，Spark 3.0创建在开源GPU机器学习平台RAPIDS之上，可大幅提升资料提取（Extract）、转换（Transform）和加载（Load）资料的性能。
Spark 3.0让资料科学家和工程师，能够将GPU广泛地用在SQL数据库，进行ETL资料处理工作负载，而且人工智能模型训练，也可以在同一个Spark集群上处理，而不用分开在独立的基础设施以及程序中执行，Nvidia表示，这样的改进可以提升整个人信息料科学工作管线性能，用户不需要更改现有企业本地部署或云计算平台上的Spark应用程序，就能从资料湖的ETL到模型训练都获得加速。
这项实例是以开源的RAPIDS加速器完成，这个加速器会拦截之前在CPU中执行的功能，并转换到GPU上运算，切确的功能包括在不需要修改程序代码的情况下，大幅提高Spark SQL和DataFrame的执行性能，而且机器学习和深度学习可以和资料准备使用同一个基础设施。还能跨Spark分布式集群中的节点，提升资料传输性能，其函数库由于利用UCF联盟的开源UCX框架，可让资料直接在GPU内存上移动，以大幅降低延迟。
由于Adobe和Nvidia创建战略人工智能合作伙伴关系，因此已经在Databricks上执行Spark 3.0，将GPU资料分析技术，用于开发Adobe Experience Cloud以及支持数字商业的功能上，而运用新技术后，运算性能提升了7倍。Nvidia提到，由于Spark 3.0获GPU加持，可让资料科学家使用更大的资料集来训练模型，并且频繁地重新训练模型，进而提升模型的准确性。
而Spark 3.0之所以能够良好地运用GPU，是因为Nvidia与Apache Spark背后支持的企业Databricks合作，使用RAPIDS组件来优化Spark，而Databricks的创办人同时也是Apache Spark的创建者，其提供企业云计算服务，让医疗保健、金融和零售等各行业，在其云上执行资料处理运算。