Публикации
2023 г. – новый этап практического применения CXL, статья
VMware сдвигает акцент в проекте Capitola на CXL, статья
Dell Validated Design for Analytics — Data Lakehouse: интегрированное хранилище данных, статья
OCP Global Summit: решения для Computational Storage и компонуемых масштабируемых архитектур, статья
Samsung CXL MemoryySemantic SSD: 20M IOPs, статья
UCIe – открытый протокол для взаимосвязи чиплетов и построения дезагрегированных инфраструктур, статья
Omni-Path Express – открытый интерконнект для экзафлопных HPC/AI-систем, статья
GigaIO: CDI_решение на базе AMD для высшего образования, статья
Энергоэффективные ЦОД на примерах решений Supermicro, Lenovo, Iceotope, Meta, статья
От хранилищ данных и “озер данных” к open data lakehouse и фабрике данных, статья
EuroHPC JU развивает НРС-экосистему на базе RISC-V, статья
LightOS™ 2.2 – программно-определяемое составное блочное NVMe/TCP хранилище, статья
End-to-end 64G FC NAFA, статья
Computational Storage, статья
Технология KIOXIA Software-Enabled Flash™, статья
Pavilion: 200 млн IOPS на стойку, статья
CXL 2.0: инновации в операциях Load/Store вводаавывода, статья
Тестирование референсной архитектуры Weka AI на базе NVIDIA DGX A100, статья
Fujitsu ETERNUS CS8000 – единая масштабируемая платформа для резервного копирования и архивирования, статья
SmartNIC – новый уровень инфраструктурной обработки, статья
Ethernet SSD, JBOF, EBOF и дезагрегированные хранилища, статья
Compute, Memory и Storage, статья
Lenovo: CXL – будущее серверов с многоуровневой памятью , статья
Liqid: компонуемые дезагрегированные инфраструктуры для HPC и AI, статья
Intel® Agilex™ FPGA, статья
Weka для AI-трансформации, статья
Cloudera Data Platform – “лучшее из двух миров”, статья
Fujitsu ETERNUS DSP - разработано для будущего, статья
Технологии охлаждения для следующего поколения HPC-решений, статья
Что такое современный HBA?, статья
Fugaku– самый быстрый суперкомпьютер в мире, статья
НРС – эпоха революционных изменений, статья
Новое поколение СХД Fujitsu ETERNUS, статья
Зональное хранение данных, статья
За пределами суперкомпьютеров, статья
Применение Intel® Optane™ DC и Intel® FPGA PAC, статья
Адаптивные HPC/AI-архитектуры для экзаскейл-эры, статья
DAOS: СХД для HPC/BigData/AI приложений в эру экзаскейл_вычислений, статья
IPsec в пост-квантовую эру, статья
LiCO: оркестрация гибридныхНРС/AI/BigData_инфраструктур, статья
 
Обзоры
Все обзоры в Storage News
 
Тематические публикации
Flash-память
Облачные вычисления/сервисы
Специализ. СХД для BI-хранилищ, аналитика "больших данных", интеграция данных
Современные СХД
Информационная безопасность (ИБ), борьба с мошенничеством
Рынки
INTEL: УСОВЕРШЕНСТВОВАННАЯ АНАЛИТИКА В РЕЖИМЕ РЕАЛЬНОГО ВРЕМЕНИ - ВРЕМЯ ПРИШЛО

19, февраль 2014  —  Предполагается, что рынок технологий и сервисов «больших данных» будет ежегодно увеличиваться на 27% и к 2017 г. достигнет объема в $32,4 млрд. Основой этого роста является большой объем данных, получаемых от устройств, подключенных к сети Интернет, которые и составляют основу концепции «Интернета вещей». По прогнозам, количество подобных устройств достигнет 30 млрд в 2020 г 2 . «Интернет вещей» создает новые трудности для бизнеса, связанные с необходимостью хранения огромных объемов структурированных и неструктурированных данных.

Для использования преимуществ новой концепции отрасль создала новые инструменты и методики для использования и трансформации больших объемов разрозненных данных.   Эти решения со временем развивались как в направлении традиционных аналитических решений, так и в рамках новых оболочек, включая Apache ™ Hadoop *, которые поддерживают возможность выполнения вычислений внутри памяти, т.е. данные хранятся в оперативной памяти, а не на традиционных жестких дисках. Подобные базы данных и аналитические решения позволяют значительно увеличить скорость работы при анализе сложных массивов данных. Теперь эти операции выполняются за считанные секунды или минуты .

Современные аналитические решения предоставляют организациям возможность за секунды получить доступ к ценной информации, позволяя оперативно принимать взвешенные решения и лучше адаптировать продукты и услуги в соответствии с потребностями пользователей. Возможность выполнения анализа в режиме реального времени является основным преимуществом «больших данных».

В чем заключается аналитика в режиме реального времени?

Современные компании не могут себе позволить хранить или анализировать данные в течение нескольких дней или даже месяцев. Неспособность анализировать данные по мере их поступления не только оказывает негативное воздействие на конкурентоспособность компаний, но и может привести к убыткам в сотни миллионов долларов, если компании не смогут оперативно определить новые возможности для развития. Аналитика позволяет получить объективное и глубокое понимание важных корпоративных данных и дает возможность руководству принимать хорошо обдуманные решения. Новые решения для аналитики, созданные на основе новейших масштабируемых систем, включая серверы на базе процессоров семейства Intel ® Xeon ® E 7 v 2, позволяют выполнять анализ в режиме реального времени за счет размещения данных непосредственно в оперативной памяти. Подобные решения позволяют выполнять анализ информации до 148 раз быстрее 3 по сравнению с системами на основе жестких дисков.

Ниже приведен ряд примеров того, как решения для аналитики в режиме реального времени помогают компаниям из различных отраслей :

Финансовые услуги

Для индустрии финансовых услуг преимущество новых технологий заключается в возможности мгновенного нахождения соответствий между данными для принятия правильных решений. В целях обнаружения случаев мошенничества финансовая организация может сравнивать типичные суммы расходов, типы покупок и их местоположение и оперативно выявлять характер расходов, который отличается от обычных моделей поведения. Компании также могут отслеживать структуры расходов, которые могут указывать на случаи мошенничества, включая крупные покупки ювелирных изделий в электронных магазинах через несколько минут после проведения тестовой покупки.

Здравоохранение

Для медицины анализ в режиме реального времени является важной составляющей критически важных сред. Например :

  • Реанимационные отделения, когда диагноз основывается на практически мгновенном анализе данных о пациентах, получаемых от различных устройств и систем.
  • Аптекам необходимы платформы, которые могли бы сравнивать входящие данные о пациентах с медицинскими записями для того, чтобы обеспечить правильное распределение и дозирование медикаментов.

Розничная торговля

Компании розничной торговли, которые особое внимание уделяют конкурентоспособности цен на продукцию, хорошо знают преимущества аналитики в режиме реального времени: подобные решения позволяют значительно увеличить продажи и уровень удовлетворенности покупателей. Однако высокоскоростная аналитика требует большого объема данных и их обработку в режиме реального времени для достижения следующих задач:

  • Сбор все данных о продукции.
  • Принятие на основе данных решений в режиме реального времени, касающихся стоимости, ассортимента и материальных запасов.
  • Сбор и обработка данных из различных источников, включая социальные сети, отделы маркетинга, продаж и поддержки.
  • Увеличение прибыли и доли на рынке.

Почему решения на основе оперативной памяти имеют важное значение для анализа в режиме реального времени

Решения для аналитики на основе оперативной памяти позволяют обрабатывать все данные, находящиеся в основной памяти. Этот подход позволят сократить время отклика для более оперативного принятия бизнес-решений.

Аналитические приложения давно поддерживали функцию кэширования данных в основной памяти, а систем с несколькими терабайтами адресуемой памяти позволили кэшировать большие массивы данных.

Помимо ускорения времени отклика, подобные решения могут уменьшить или отказаться от необходимости индексирования данных и хранения данных в онлайновых системах оперативного анализа данных. Предполагается, что после широкого распространения аналитических решений на основе оперативной памяти, традиционные хранилища данных будут использоваться только для обработки неактивных или менее частых запросов.

Поддержка решения для анализа «больших данных»

Возможность хранить и анализировать большие объемы данных позволит компаниям, учебным заведениям и государственным органам получить дополнительные преимущества.

Семейство процессоров Intel ® Xeon ® E 7 v 2 удовлетворяет потребность в подобных решениях, предлагая высокую скорость работы в соответствии с требованиями современных компаний и исключительную масштабируемость для обработки практически любых нагрузок. Семейство процессоров Intel Xeon E 7 v 2 также поддерживает в три раза больший объем памяти и в четыре раза более высокую пропускную способность операций ввода-вывода по сравнению с предыдущим поколением продукции. Организации, использующей решения на базе этих процессоров, смогут раскрыть для себя весь потенциал своих корпоративных данных для повышения скорости работы, снижения расходов и более быстрого реагирования на потребности заказчиков.

О корпорации Intel

Корпорация Intel — ведущий мировой производитель инновационных полупроводниковых компонентов — разрабатывает технологии, продукцию и инициативы, направленные на постоянное повышение качества жизни людей и совершенствование методов их работы. Дополнительную информацию о корпорации Intel можно найти на веб-сайте www . intel . ru / pressroom и на русскоязычном сервере ( http :// www . intel . ru ).

Intel, Intel Xeon , архитектура Intel и логотип Intel являются товарными знаками корпорации Intel в США и других странах.

* Другие торговые марки и товарные знаки являются собственностью их законных владельцев .

1. Источник : IDC WW Big Data Technology and Services 2013-2017 Forecast, документ № 244979, декабрь 2013 г .

2. Источник : IDC Market Analysis Perspective: Worldwide Enterprise Servers, 2013 — Technology Market, документ № 245080.

3. Источник: внутренние испытания Intel , по состоянию на февраль 2014 г. Описание конфигураций:

•  Общие компоненты : SuSE* LINUX Enterprise Server 11 SP3 x86-64, IBM DB2* 10.1 FP1 GA или 10.5 FP1 с BLU*.

•  IBM DB2 10.1 + процессор Intel Xeon E7-4870 с решением IBM Gen3 XIV FC SAN

•  IBM DB 2 10.5 с BLU -ускорением + процессор Intel Xeon E 7-4870 с таблицами памяти (1 ТБайт).

•  IBM DB 2 10.5 с BLU -ускорением + процессор Intel Xeon E 7-4890 v 2 с таблицами памяти (1 ТБайт).

Публикации по теме
Центры обработки данных
Специализ. СХД для BI-хранилищ, аналитика "больших данных", интеграция данных
 
Новости INTEL

© "Storage News" journal, Russia&CIS
(495) 233-4935;
www.storagenews.ru; info@storagenews.ru.