Решения для работы с большими данными

При работе с большими данными возникают дополнительные требования к размеру памяти, скорости и стоимости. Интеллектуальные решения для работы с большими данными позволяют масштабировать основную память сервера, расширяя память существующих серверов до нескольких ТБ на сервер, ускоряя при этом рабочие нагрузки вычислений, близких к памяти.

Производитель специализируется на ускорении производительности приложений с помощью пар FPGA-CPU и разработки базовых алгоритмов программирования на FPGA, а также создания универсальной платформы разгрузки на уровне приложений. Основные направления: центры обработки данных и используемые в них приложения, такие как Spark, Cassandra, Kafka и т. д. Компания предоставляет конечным пользователям ускоренную версию базовых алгоритмов FPGA, таких как: Regular Expression (RegEx, практически полная поддержка), поиск, сортировка, линейная алгебра (транспонирование матриц, поточечное произведение, квадрат нормы, матричное умножение) и т. д., которые можно легко развернуть либо в облаке (с экземплярами FPGA), либо локально. Встроенные IP-адреса ПЛИС для вычислений больших данных, расположенных рядом с расширенной памятью, позволяют выполнять вычисления, близкие к памяти, полностью на аппаратном уровне.

Среди партнёров и клиентов есть такие ведущие компании, как Xilinx, NI, Intel, Boeing и др.

Высокопроизводительные вычисления

Под высокопроизводительными вычислениями понимается процесс объединения вычислительных ресурсов для решения серьезных задач в исследованиях, разработке или бизнесе с существенно большей производительностью, чем обычные вычисления не могут достичь. Хотя когда-то высокопроизводительные вычисления предназначались для крупных корпораций, способных разрабатывать эти мощные компьютеры, их способность анализировать огромные объемы неструктурированных данных и находить важные бизнес-идеи сделала их привлекательными для многих других секторов.

Объединение памяти

Пулы памяти являются ключевым компонентом при создании вычислительных серверов с несколькими главными узлами для выполнения операций с базами данных. Часто системам баз данных приходится искать компромисс между достоверностью данных, доступностью, атомарностью и производительностью чтения/записи. Это связано с тем, что обычно системы баз данных разрабатываются с одним главным узлом, и не существует единого пула памяти, который мог бы обеспечить архитектуру с несколькими главными узлами.

Вычисления больших данных и искусственного интеллекта с помощью ускорения FPGA

В современном мире успех бизнеса во многом зависит от использования данных для принятия решений.
Ожидается, что к 2025 году с появлением миллиардов устройств IoT и искусственного интеллекта объем данных вырастет до 175 зеттабайт. Необходимость управлять постоянно растущими объемами данных и анализировать их является одним из важнейших бизнес-факторов, требующих непрерывности технологических усовершенствований. 
Мы предлагаем решения аппаратного ускорения на основе FPGA для обработки больших данных, которые позволяют приложениям работать в 10–50 раз быстрее с малой задержкой.

Продукты и решения для работы с большими данными

MonetX 
Расширение оперативной памяти серверов на базе ПЛИС

GCache
Система кеширования данных на базе ПЛИС. Производительность 12 миллионов запросов в секунду на чтение/запись.

GRegeX
Процессор обработки текстовых данных на базе ПЛИС с помощью алгоритмов regular expressions.

GSearch
Процессор обработки текстовых данных на базе ПЛИС с помощью exact match.

WireHex
Инструмент глубокой проверки и анализа пакетов на базе ПЛИС, предназначенный для сетей 100 Гбит/с.

RDMA
Протокол быстрого обмена данными в серверах без использования сетевого стека серверов. Латентность 2 микросекунды.