„MapD“: GPU veikianti duomenų bazė

Šiandien mes išgyvename fenomeną Dideliu duomenų kiekiu, galime gauti be galo daug duomenų iš begalinio šaltinių. Šis didžiulis duomenų kiekis teikia daug naudos, tačiau taip pat kelia daug iššūkių. Dažniausi iš jų: atsakymo laikas dideliame duomenų rinkinyje.

Žemėlapis gimė siūlyti didelį greitį analitinių duomenų bazių srityje. Skirtas apdoroti trilijonai įrašų per milisekundes pasinaudodamas siūloma skaičiavimo galia GPU. Sukurtas tiksliai tam, kad būtų visapusiškai išnaudotos visos grafikos plokštėse esančios aparatinės ir programinės įrangos galimybės, jis siūlo analitikų ir duomenų mokslininkų atsakymo laiką, maždaug 3 dydžių (x1000) viršijančius anksčiau šiems tikslams naudojamas technologijas. Pasinaudojant GPU (apytiksliai 80000 8 branduolių šiuolaikiniuose GPU) ir didelių atminties pralaidumo (maždaug 5 Gb / s) lygiagretumu, norint atlikti linijines algebros ir duomenų bazių paieškas, naudojant LLVM kiekvienai konsultacijai realiuoju laiku kaupti, be to, išsaugant labiausiai aptariamus duomenis GPU talpykla (didelės spartos DDRXNUMX atmintinės).

Turime prisiminti, kad „Big Data“ pasaulyje tradicinės duomenų bazės nenaudojamos, remiantis failų rašymu ir išsaugojimu, nes dėl jų kietajame diske atsirastų per daug įvesties / išvesties užduočių. Norint išanalizuoti milijardus įrašų, atmintyje esančios duomenų bazės, kaip ir „Apache Spark“. Tačiau norint gauti reikiamą atminties kiekį ir norimą našumą, jums reikia serverio sankaupos ir mes žinome, kad tai reiškia išlaidas aparatinei įrangai, tinklo laidams ir didesniam technikų skaičiui. Taigi, Žemėlapis siūlo galimybę pasiekti aukštą našumą su mažesnėmis sąnaudomis ir sudėtingumu, leidžiant daugiau žmonių naudotis duomenų analizės aukštos kokybės technologijomis.

Dėl to, kad palaiko GPU, „MapD“ taip pat siūlo aplinką duomenims vizualizuoti, pasinaudojant GPU grafikos galimybėmis. Tai palengvina interaktyvių grafikų, turinčių didelį duomenų kiekį, kūrimą, leidžiantį sąveikauti su informacija beveik realiuoju laiku (kiekvieno duomenų analitiko šlapia svajonė). Be kai kurių mašininio mokymosi algoritmų (mašininio mokymosi) įtraukimo, atlikti išplėstinę analizę toje pačioje aplinkoje naudojant GPU.

Kviečiame pasivaikščioti „MapD“ oficialus puslapis išsamiau peržiūrėti kiekvieną jo ypatybę. Jie taip pat siūlo dokumentą, kurį galite nemokamai atsisiųsti, kuriame išsamiai aprašomos technologijos ir metodai, kurie padėjo MapD. Kai kuriais galite net mėgautis demo stebina!
Šiuo metu „MapD“ yra beta ir galima „Linux“, galite jiems parašyti (kartu su paaiškinimu), kad jame dalyvautumėte.