Пресс-центр

SRIS обеспечивает обработку геопространственных данных в режиме реального времени

Инновационная архитектура на базе GPU в 72 раза быстрее и в 12 раз дешевле, чем CPU

Проблема обработки геопространственных данных в режиме реального времени

SRIS

Набор датчиков холодной и теплой температур

Геоинформационные системы (ГИС) необходимы для познания мира. До недавнего времени было сложно представить возможность доступа к геопространственной информации в режиме реального времени. Наша возможность создавать огромные объемы данных превосходит нашу возможность использовать богатство информации, которую эти данные могут обеспечить. К примеру, обработка данных датчиков и сенсоров для отслеживания дикой жизни в отдаленных районах представляет сложную задачу, требуя миллиардов вычислений. Данные поступают постоянно, сенсоры и датчики находятся в постоянном движении, не говоря уже о вариациях территорий и погоды, которые могут влиять на сбор данных.

Компания SRIS создала инновационную архитектуру с ускорением на графических процессорах NVIDIA Tesla® для обработки огромных объемов данных в режиме реального времени. «Мы обнаружили, что повышенная вычислительная мощность GPU позволяет достигать желаемых результатов», - сказал Шринивас Редди (Srinivas Reddy), технический директор SRIS. «мы также обнаружили, что с ростом объема данных появляется новая проблема, которая заключается в управлении огромными объемами данных в распределенной среде GPU-кластеров». Чтобы решить эту проблему, SRIS создала систему для управления и обработки потоков данных в GPU-кластерах.

Снижение затрат и сокращение затрачиваемого времени благодаря ускорению на GPU в сравнении с CPU

SRIS собрала кластер для обработки геопространственных данных в режиме реального времени. Команда получала данные из разных источников, выполняла необходимый анализ и отправляла данные на сервер ESRI для визуализации. «Поначалу мы работали на CPU-конфигурации», - сказал Редди. «Стоимость системы на базе CPU равнялась $1,2 миллиона, а время выполнения операции составляло 3,6 минуты, поэтому мы не могли достичь результатов действительно в режиме реального времени. После реализации GPU-ускорения, мы сократили стоимость системы в 12 раз до $100 тысяч, время выполнения операции ускорилось в 72 раза до 9 секунд, что практически является режимом в реальном времени».

SRIS продолжает расширять границы возможного. Совсем недавно SRIS улучшила алгоритм ГИС с поддержкой CUDA и технологию загрузки данных. Теперь команда может обрабатывать те же геопространственные данные за 0,0017 секунды, используя графический ускоритель NVIDIA K20. Как видно, этот результат очень близок к выполнению операции в режиме реального времени.

Чтобы работать с потоком данных в режиме реального времени, SRIS выбрала окружение Storm и осуществляет обработку геопространственных данных и вычисления на GPU-кластере с графическими укорителями Tesla K10 и Tesla K20. «Алгоритмы используются на CUDA, чтобы иметь доступ к массивно параллельным вычислениям, которые обеспечивают GPU-кластеры», - продолжил Редди. «Мы использовали кластер HyperDex для хранения и извлечения справочных данных, так как этот кластер характеризуется высокой скоростью поиска информации».

SRIS разработала платформу под названием MonsterWave, чтобы управлять и обрабатывать потоки данных на GPU-кластерах. «MonsterWave позволяет нам максимизировать скорость и производительность GPU-кластеров», - продолжил Редди. «Эта платформа структурирует и управляет задачами, основываясь на статусе GPU для достижения самого лучшего результата». В SRIS уверены, что это первый удачный подход к ускорению геопространственных вычислений в режиме реального времени. «Благодаря этой системе мы теперь можем получать огромные объемы данных из разных источников, объединять их с дополнительными справочными базами данных, обрабатывать эти данные, используя 18 сложных алгоритмов, извлекать полезную информацию и возвращать ее пользователям за несколько секунд. Возможность такой быстрой обработки данных позволяет пользователям быстро принимать решения там, где это действительно необходимо».

Яркое будущее приложений с GPU-ускорением для обработки данных в режиме реального времени

Команда SRIS видит в этих возможностях большой потенциал. «На данный момент мы работаем над геопространственными алгоритмами для GPU и обеспечением возможности объединять базы данных на GPU», - сказал Редди. «Это позволит хранилищу данных и системам хранения данных использовать мощность GPU в геопространственной отрасли. Мы уверены, что мы сможем добиться обработки специфической геопространственной информации на GPU за миллисекунды».

SRIS