Джеймс Пистилли
Новое интеллектуальное ПО для управления ресурсами и рабочими нагрузками под названием IBM Spectrum Computing призвано помогать организациям в полном извлечении информации из данных и ускорять решение задач аналитики или машинного обучения, требующих высокой загрузки вычислительных ресурсов. Эту технологию можно использовать в различных отраслях, например, в секвенировании генома для улучшения лечения рака, в помощь инженерам, создающим гоночный автомобиль для чемпионатов Формула Один, или для банкиров, персонализирующих финансовые сервисы, чтобы привлекать новых клиентов.
Платформа IBM Spectrum Computing предлагает новые когнитивные политики планирования, основанные на распознавании имеющихся вычислительных ресурсов и помогающие улучшить их использование. Она позволяет контролировать затраты и одновременно ускоряет высокопроизводительные вычисления, аналитику больших данных, функционирование приложений нового поколения и фреймворков с открытым исходным кодом, таких как Hadoop и Apache Spark. Перечислим пять вещей, которые надо знать про решения IBM для высокопроизводительных вычислений (HPC).
- Открытые системы для использования на пересечении HPC и больших данных.
Хотя HPC и большие данные сближаются друг с другом, традиционные HPC-кластеры создавались для потребностей другой эры — они предназначались или для данных, или для вычислений, но не для того и другого вместе. Из-за этого они неспособны обеспечивать адекватную производительность и масштабируемость, а также имеют узкие места в процессах ввода-вывода и сетевые задержки при перемещениях больших наборов данных, и все это замедляет извлечение знаний из данных реального времени. HPC-кластеры IBM, построенные из серверов Power Systems, способны на большее, и с ними вы сможете легко справляться с ресурсоемкими нагрузками и высокопроизводительной аналитикой данных. -
Использование новых техник HPC с IBM PowerAI.
Традиционные HPC-алгоритмы уже не могут решать все задачи без выстраивания массивных вычислительных инфраструктур. Требуются новые подходы. Машинное обучение и искусственный интеллект теперь можно быстро развертывать для всех видов рабочих нагрузок, пользуясь ПО PowerAI. IBM является лидером в вычислительных методах машинного обучения, глубинного обучения и искусственного интеллекта. Чтобы в этом убедиться, достаточно попробовать задать вопросы суперкомпьютеру Watson. - Решение на базе HPC-кластера с серверами IBM Power Systems.
IBM имеет интегрированное предложение, объединяющее высокопроизводительные вычислительные узлы, структуру межсоединений с низкими задержками, опциональную высокопроизводительную параллельную систему хранения данных и опциональное системное ПО. Высокопроизводительные вычислительные серверы IBM Power Systems работают во многих крупнейших кластерах мира. Power Systems, конфигурируемые в высоко масштабируемые Linux-кластеры, обеспечивают высшую производительность для ресурсоемких нагрузок, например, в геномике, финансовых задачах, вычислительной химии, разведке нефти и газа и в высокопроизводительной аналитике данных. -
Серверы IBM Power Systems для высокопроизводительных вычислений.
Сервер IBM Power System S822LC построен на базе отраслевых стандартов и включает в себя инновации экосистемы OpenPOWER Foundation, в том числе два GPU-ускорителя NVIDIA Tesla и коммутационные системы Mellanox InfiniBand. Power S822LC ускоряет получение результатов благодаря сочетанию архитектуры POWER8, ориентированной на большие данные, с производительностью графических ускорителей. Для коммерческих вычислений IBM Power System S822LC поставляется также в варианте без GPU-ускорителей. - Параллельное хранение данных с IBM Spectrum Scale.
IBM Elastic Storage Server, использующий уникальные возможности ПО IBM Spectrum Scale (ранее называвшееся GPFS), предоставляет собой решение для хранения данных, которое при любых масштабах сохраняет постоянный уровень производительности. Оно обеспечивает быстрый доступ к нужным данным, распределенным по многим кластерам, и их готовность в нужное время.
HPC-решения IBM основаны на дата-центрическом подходе к вычислениям и интеграционном опыте, который ориентирован на оптимизацию производительности на уровне рабочих процессов. Дата-центрический подход минимизирует перемещения данных, объединяет вычислительные ресурсы всего системного стека и предоставляет модульную масштабируемую архитектуру, оптимизированную для HPC.
