Pure Storage FlashBlade, all-flash per gli analytics di oggi

Pure Storage FlashBlade, all-flash per gli analytics di oggi

Pure Storage presenta le ultime novità riguardo a FlashBlade, piattaforma di archiviazione all-flash progettata per le esigenze di oggi in ambito analytics.

Sin dal lancio avvenuto ad inizio 2017, FlashBlade di Pure Storage ha attratto l’attenzione di numerose aziende con necessità di workload impegnativi, in particolare nel campo dei moderni analytics, dell’intelligenza artificiale (AI) e del machine learning (ML).

Zenuity, joint venture tra Volvo Cars e Autoliv, ha selezionato FlashBlade e NVIDIA DGX-1 come base per il progetto di ML finalizzato alla messa in strada di vetture a guida autonoma nel 2021. Ogni veicolo è equipaggiato con sensori come LIDAR e videocamere per muoversi in sicurezza nell’ambiente. Milioni di frame vengono registrati e usati per allenare le reti neurali che sono alla base del software utilizzato da Zenuity per la propria flotta di auto self-driving.

L’AMPLab dell’Università di Berkeley ha creato l’innovativo motore di analisi in tempo reale Apache Spark. Il dipartimento di genomica di UC Berkeley ha poi implementato Apache Spark con FlashBlade, accelerando notevolmente il processo di sequenza genomica.

Man AHL sfrutta a sua volta Apache Spark insieme a FlashBlade per creare ed eseguire modelli automatizzati che prendono decisioni di investimento. All’incirca 50 ricercatori quantitativi e più di 60 esperti di tecnologia collaborano per nuovi modelli di investimento e strategie che possono essere messe in atto da computer. L’azienda ha adottato FlashBlade per offrire un’enorme capacità di storage throughput e di scalabilità necessarie per realizzare le più sfidanti applicazioni di simulazione.

FlashBlade è stato inoltre premiato nella categoria “Best Innovation in AI Hardware” da AIconics al Summit AI 2017. Gli AIconics sono gli unici riconoscimenti effettuati da giudici indipendenti che celebrano la qualità delle soluzioni di AI per le imprese. La premiazione di quest’anno è stata effettuata in un contesto molto competitivo, con oltre 300 candidati in tutte le categorie.

Samuel Scheidegger, Machine Learning Researcher, Zenuity
FlashBlade fornisce la scalabilità e le prestazioni necessarie per un progetto di machine learning di questa entità. Grazie all’abilità di scalare linearmente, FlashBlade consente a Zenuity di espandere la piattaforma di machine learning con il potere computazionale necessario per le esigenze future.

Prof. Anthony D. Joseph, Centro per la Biologia Computazionale (CCB), UC Berkeley
Il nostro obiettivo è quello di fornire ai pazienti cure e trattamenti personalizzati, basati sul loro specifico codice genetico, quasi in tempo reale. Ciò consentirà di ottimizzare i farmaci, migliorare le cure post operatorie e la riabilitazione ed in ultimo di abbassare i costi per il paziente. Con FlashBlade possiamo utilizzare SPARK per sequenziare il genoma di un paziente e fare riferimento a tali informazioni in relazione con tutti i batteri noti e ai difetti genomici a velocità fino ad ora impensabili.

Gary Collier, Co-CTO, Man AHL
I nostri ricercatori hanno osservato che FlashBlade riesce a migliorare notevolmente l’usabilità e le prestazioni di Spark per eseguire simulazioni multiple. Abbiamo notato inoltre un miglioramento di 10-20 volte del throughput per i carichi di lavoro di Spark, che realmente ha il potenziale per essere rivoluzionaria per noi quando si tratta di creare un vantaggio time-to-market.

Par Botes, VP of Product, Pure Storage
Mentre la conversazione sulle soluzioni d’Intelligenza Artificiale e Machine Learning tende a concentrarsi sul software di analisi, un nuovo e completo set di software e hardware per infrastrutture, realizzati ad hoc è essenziale per capitalizzare la rivoluzione AI. Mentre la maggior parte dei sistemi sono stati creati per tipi di lavoro molto specializzati e specifici, FlashBlade è stato costruito in modo da ottimizzare qualsiasi workload basato su dati non strutturati, offrendo così un notevole vantaggio competitivo.