MapD: databas som fungerar på GPU: er

Idag upplever vi fenomenet Stora datakan vi få en enorm mängd data från ett oändligt antal källor. Denna enorma mängd data ger många fördelar, men det ger också många utmaningar. Den vanligaste av dem: svarstider i bulkdataset.

1

MapD föddes för att erbjuda höga hastigheter inom analytiska databaser. Designad för att bearbetas biljoner poster på millisekunder dra nytta av den datorkraft som erbjuds av GPUs. Byggd exakt för att dra full nytta av alla hårdvaru- och programvarufunktioner som finns tillgängliga på grafikkort, och erbjuder analytiker och datavetare svarstider på cirka 3 storleksordningar (x1000) ovanför tekniker som tidigare använts för dessa ändamål. Dra nytta av parallelliteten hos GPU: er (ungefär 80000 8 kärnor i moderna GPU: er) och stora minnesbandbredder (cirka 5 Gbps) för att utföra linjära algebra uppgifter och databassökningar, med hjälp av LLVM för att sammanställa i realtid varje fråga, förutom att hålla de mest konsulterade uppgifterna i cacheminnet för GPU: erna (höghastighets DDRXNUMX-minnen).

Vi måste komma ihåg att i Big Data-världen används inte traditionella databaser, baserat på skrivning och bevarande av filer, eftersom dessa skulle orsaka en alltför stor mängd I / O-uppgifter på hårddisken. I syfte att analysera miljarder poster, databaser i minnet, som Apache Spark. Men för att få den mängd minne som behövs och önskad prestanda behöver du ett serverkluster och vi vet att detta innebär kostnader för hårdvara, nätverkskablar och ett större antal tekniker. Således, MapD erbjuder förmågan att uppnå höga prestanda med lägre kostnad och komplexitet, vilket gör att fler kan få tillgång till högpresterande tekniker för dataanalys.

3

Tack vare att de stöds av GPU: er, MapD också erbjuder en miljö för datavisualisering som utnyttjar grafikfunktionerna i GPU: er. Det underlättar skapandet av interaktiva grafer med hög datamängd, vilket möjliggör interaktion med informationen nästan i realtid (varje dataanalytikers våta dröm). Förutom att inkludera några maskininlärningsalgoritmer (Machine Learning), för att utföra avancerad analys med samma miljö med GPU: er.

2

Vi inbjuder dig att promenera genom MapD officiella sida för att granska var och en av dess funktioner mer detaljerat. De erbjuder också ett papper, som du kan ladda ner gratis, med en beskrivning av de tekniker och metoder som har gjort MapD möjlig. Du kan till och med njuta av några demos förvånande!
MapD är för närvarande i beta och tillgängligt för Linuxkan du skriva till dem (tillsammans med ett förklarande uttalande) för att delta i det.


Innehållet i artikeln följer våra principer om redaktionell etik. Klicka på för att rapportera ett fel här.

En kommentar, lämna din

Lämna din kommentar

Din e-postadress kommer inte att publiceras.

*

*

  1. Ansvarig för uppgifterna: Miguel Ángel Gatón
  2. Syftet med uppgifterna: Kontrollera skräppost, kommentarhantering.
  3. Legitimering: Ditt samtycke
  4. Kommunikation av uppgifterna: Uppgifterna kommer inte att kommuniceras till tredje part förutom enligt laglig skyldighet.
  5. Datalagring: databas värd för Occentus Networks (EU)
  6. Rättigheter: När som helst kan du begränsa, återställa och radera din information.

  1.   Jesus Perales sade

    Föreställ dig aldrig den typen av saker, om det först verkade konstigt för mig att tänka om igen, är allt för framsteg

bool (sant)