服务热线:400-8570288
最新动态
联系我们
电 话:0898-6671 2088
   0898-8888 0288

服务热线:400-8570288
http://hiphoproll.com
您当前位置:首页 > 业界新闻 > 正文业界新闻
添加时间:2018-03-20 来源:网站收集
      2017年,业界已经有企业开始推广人工智能(AI)+大数据+云计算三种能力整合的一体机产品。有观点认为这类的一体机产品或许更加适合互联网行业的应用属性,但至少能让我们感觉到:在云、大数据、AI时代,一体机会是一个趋势。Gartner 曾预测:“到2018年,35%的服务器都将以集成系统方式交付”。这里的集成系统就包括超融合、软硬一体机等多种形态。       所谓一体机,是软件与硬件相结合的集成系统产品,其一般集数据处理、数据传输、数据存储三方面于一体。一体机通过预先集成、测试、优化,能够实现快速部署、简化IT基础架构,节省资源,提升系统高可用性和可扩展性。 而在应用一体机、中间件一体机、数据库一体机等等中,目前市场上接受度较高的就是数据库一体机,其主要原因是:       1.数据库加速,为取得更好的数据库性能,会在硬件层、弹性存储层做垂直深入的调优,例如采用读写更快的SSD盘,采用面向数据库独特的读写算法。       2.数据库加固,为保证数据库数据不丢失、不损坏,会在中间件服务层增加数据库的备份/恢复、容灾、定期校验等服务,提高数据的可用性。       这两点优势,在大数据一体机上得以延续。除此之外,大数据一体机还将在以下几个层面带来独特的优势:      (1)简化(预集成)、优化的基础设施,降低部署管理难度      “话说天下大势,分久必合,合久必分”,纵观基础设施的发展,从一体化大型机,到各计算、网络、存储系统逐渐分离,再到重新走向融合。历史总是如此反复的前进。而从IT基础设施发展角度看,复杂的系统集成模式已经成为业务创新的“绊脚石”。简化(预集成)、优化的基础设施才能为数据驱动“智能化”提供更好的保障,解放IT人员的部署运维工作,真正有精力关注业务创新、数据智能等领域。     (2)大数据处理软件的设计原则是“本地化计算”,“计算与存储一体” u 计算与存储一体,计算向数据靠拢,高效专用存储模式。 u 为程序员屏蔽通性、并发、同步与一致性等问题。 u 任务之间无依赖(share-nothing),具有高系统延展性(scale-out)。       以Hadoop、Spark为代表的大数据处理框架,架构设计原则之一就是:本地化计算。这摒弃了传统计算和存储系统分开的架构,而采用服务器的CPU和硬盘作为计算存储能力。本地化计算(计算随数据分布)是指并行计算框架智能地将计算任务指派到存储着该任务所需数据的节点,从而避免传统分布式计算中严重的数据传输瓶颈。      (3)深度学习、神经网络算法需特殊硬件       2017年,是人工智能的元年,Alphago的走红随之带来的是对GPU、TPU、FPGA等并行计算专用硬件的关注。       以大家耳熟能详的卷积神经网络CNN 为例,感受一下目前训练深度学习模型需要多少计算力。基于ImageNet数据集训练CNN,数据集一共大约120万张图片,训练算法需要对这个数据集扫描100遍(epoch),这意味着10^18次浮点计算,即1exaFlops。简单演算一下,基于一个主频为2.0GHz的CPU core来训练这样的模型需要好几年的时间。而采用GPU(NVIDIA Tesla P40),单块只需50小时。按照一台2U服务器装载4块GPU计算,只需要12.5小时。这也就是GPU比CPU在人工智能上的侵略性优势、而谷歌的TPU处理性能号称比GPU快百倍。       因此,大数据一体机加入GPU、TPU、FPGA等专有硬件,就形成了特有的竞争力。(上诉神经网络算法只是这类专有硬件应用的冰山一角,其他例如:数据库加速、语言识别、视频处理等,都需要大量专有硬件)     (4)数据驱动:客户最终都需要有一个自己的“大脑”       数据资产正变得越来越重要,因此谁也不希望自己的数据被某几个云巨头存储和分析。因此未来各行各业的客户势必需要一个自己的“大脑”,而大数据一体机是很好的承载平台。一方面保证数据资产留在自己的IDC机房,另一方面也具备便捷运维、高效分析的能力。       综上所述,大数据一体机的市场需求较为明确可提供领先的、更易部署和管理、更高性能和更低TCO的大数据解决方案,为客户的数据管理提供更强有力的支持。
引自新华三技术有限公司官网