Katana Graph optimiza el motor de análisis en Intel Xeon de 3.ª generación

Katana Graph, una startup de análisis de gráficos de alta velocidad centrada en el procesamiento de grandes conjuntos de datos no estructurados, anunció que ha optimizado su motor de gráficos para los nuevos sistemas de memoria y procesador escalable Intel Xeon de tercera generación.

El motor Katana Graph (KGE) es una plataforma para análisis de gráficos de alta velocidad, extracción de patrones y consultas en clústeres heterogéneos de CPU y GPU, lo que proporciona lo que la compañía dijo es una capacidad de cómputo incomparable para procesar incluso los gráficos más grandes, como los gráficos de rastreo web. con miles de millones de vértices y billones de aristas. Extrae información procesable de conjuntos de datos no estructurados masivos, utilizando algoritmos de gráficos de alto rendimiento. El escalamiento horizontal proporciona más potencia computacional agregada y DRAM para analizar las propiedades de gráficos más grandes de lo que es posible en una sola máquina.

El KGE con los módulos de tecnología de partición, comunicación, virtualización y almacenamiento que lo acompañan son la culminación de más de una década de investigación avanzada en tecnología de gráficos y computación de alto rendimiento por parte de los cofundadores Chris Rossbach y Keshav Pingali. El KGE se basa en una investigación realizada en el grupo de sistemas de software inteligente de Pingali en la Universidad de Texas en Austin, que trabaja en modelos de programación paralela, compiladores y sistemas de tiempo de ejecución para aplicaciones con datos no estructurados a gran escala.

En las CPU, el sistema de tiempo de ejecución Katana optimiza la ejecución del programa para explotar la localidad NUMA (acceso a memoria no uniforme); por ejemplo, realiza un equilibrio de carga dinámico compatible con NUMA para garantizar que la carga computacional se distribuya uniformemente entre los núcleos de la CPU. En las GPU, el motor gráfico Katana incorpora optimizaciones de rendimiento para reducir la sobrecarga de los lanzamientos del kernel y las operaciones atómicas.

Para la ejecución en clústeres, el KGE divide los gráficos entre las máquinas del clúster utilizando una amplia variedad de políticas de partición de gráficos que incluyen cortes de borde y cortes de vértice. Las políticas de partición de gráficos específicas de la aplicación se pueden implementar en el particionador de gráficos Katana.

La comunicación es a menudo el cuello de botella del rendimiento en la ejecución de memoria distribuida de programas de análisis de gráficos. Para evitar esto, el motor de gráficos Katana tiene un tiempo de ejecución de comunicación que se ha optimizado para la computación de gráficos.

Las bibliotecas de gráficos centrales de Katana proporcionan estructuras de datos concurrentes altamente escalables, como representaciones de gráficos concurrentes y listas de trabajo concurrentes para implementar algoritmos eficientes en el trabajo. Los científicos de datos pueden utilizar estas bibliotecas para escribir nuevas aplicaciones en Python, dejando que el sistema subyacente optimice el programa para una ejecución distribuida y heterogénea.

Análisis de alto rendimiento en Intel Xeon

La plataforma ahora puede aprovechar los procesadores escalables Intel Xeon de última generación y la tecnología de memoria persistente Intel Optane para procesar gráficos masivos en clústeres mucho más pequeños. Esto ayudará a las organizaciones con grandes conjuntos de datos y gráficos no estructurados, incluidos los minoristas en línea, las instituciones financieras y las empresas de gestión de identidad, a comprender a sus clientes, operaciones y oportunidades.

La plataforma de Katana Graph se puede implementar de inmediato en los procesadores escalables Intel Xeon de segunda y tercera generación con Intel deep learning boost, sin necesidad de modificaciones adicionales. En los procesadores escalables Xeon de tercera generación, la solución de Katana Graph ofrece una notable mejora en la velocidad combinada con la capacidad de procesar conjuntos de datos mucho más grandes con menos máquinas.

"Estamos orgullosos de que nuestro Katana Graph Engine funcione hasta dos veces más rápido en los procesadores escalables Intel Xeon de tercera generación de Intel que en la generación anterior de inmediato, y ofrece aún más rendimiento con optimizaciones", dijo Keshav Pingali, Katana Graph co -Fundador y CEO. “Nuestros clientes necesitan las capacidades de análisis de alto rendimiento que estamos liberando al trabajar en estrecha colaboración con Intel”.

En nombre de Intel, Wei Li dijo:"Katana Graph ha aprovechado la arquitectura innovadora del procesador escalable Intel Xeon de tercera generación en su motor de análisis de gráficos de última generación, lo cual es una gran noticia". Li, quien es vicepresidente y gerente general de rendimiento de aprendizaje automático en el grupo de arquitectura, gráficos y software de Intel, agregó:"Nuestros clientes mutuos se beneficiarán directamente de nuestra estrecha colaboración a medida que abordamos los desafíos asociados con el procesamiento de conjuntos de datos masivos".

Además de la mayor velocidad y la capacidad de manejar cantidades masivas de datos, los usuarios finales también verán ahorros notables en términos de tamaño de clúster y costo de administración. Katana Graph dijo que esto es parte de su misión de proporcionar la mejor pila de software de gráficos para permitir a las organizaciones obtener conocimientos más profundos más rápido de sus datos no estructurados y utilizar esa inteligencia procesable para expandir su negocio y acelerar el crecimiento.

Intel Capital lidera la ronda de financiación de 28,5 USD

Katana Graph fue fundada en 2020 por Pingali y Rossbach, que eran profesores de la Universidad de Texas en Austin. Reconocieron las sinergias que son posibles gracias a los avances de la investigación en algoritmos de gráficos, almacenamiento y aceleración de hardware que pueden permitir a los desarrolladores trabajar con datos irregulares y no estructurados a una escala y eficiencia enormemente mayores.

A principios de este año, la compañía completó una ronda de financiamiento serie A de $ 28.5 millones liderada por Intel Capital con la participación de WRVI Capital, Nepenthe Capital, Dell Technologies Capital y Redline Capital.

El socio gerente de Intel Capital, Anthony Lim, dijo:“La plataforma de Katana Graph ayuda a las grandes empresas a dar sentido a sus grandes conjuntos de datos no estructurados, y estamos viendo esta demanda en una variedad de industrias, desde las redes sociales hasta la investigación biomédica y farmacéutica. Estamos entusiasmados de liderar la nueva ronda de financiación de Katana Graph basada en nuestra colaboración el año pasado, en la que la tecnología de Katana Graph se optimizó para los procesadores Intel Xeon y los clústeres basados ​​en Xeon ".

Scott Darling, presidente de Dell Technologies Capital, dijo que la plataforma Katana era una solución innovadora que integraba la ingesta, las consultas y el análisis de datos con una escala y un rendimiento sin precedentes para abordar el problema de la avalancha de datos para los datos de gráficos no estructurados. Añadió:"También estamos entusiasmados de respaldar a la empresa, dadas las raíces compartidas de Dell Technologies y Katana Graph en la Universidad de Texas en Austin".

Mientras tanto, el inversor y veterano de la industria, Lip-Bu Tan, socio director fundador de WRVI Capital, dijo:“Estoy emocionado y honrado de proporcionar capital inicial y asociarme con el profesor Keshav Pingali y el profesor Chris Rossbach para proporcionar la plataforma más completa para grandes empresas -Extracción, consulta y análisis de datos de gráficos de escala ”.

El año pasado, Katana Graph agregó un número creciente de clientes empresariales en los mercados farmacéutico, fintech, identidad, seguridad y EDA, así como un fuerte impulso en el mercado de análisis de big data. Si bien fue fundada por investigadores, la compañía también ha agregado un equipo de liderazgo centrado en el comercio con un historial de gestión exitosa de negocios o divisiones de tecnología, incluido Farshid Sabet, director comercial, quien fue gerente general de inteligencia artificial de punta en Intel. Además, N. R. Narayana Murthy, fundadora de Infosys y Amy Chang, miembro de la junta de Procter &Gamble y Cisco, se unieron como asesores de la junta de Katana.

La propuesta de valor clave de Katana Graph es la capacidad de manejar datos masivos no estructurados e integrar cargas de trabajo de minería de patrones complejos en grandes conjuntos de datos empresariales y gráficos de conocimiento, con un rendimiento superior para IA de gráficos complejos, minería de patrones de gráficos y algoritmos de análisis de gráficos. Admite grupos heterogéneos de recursos informáticos que incluyen CPU x86, CPU Arm, GPU y otros aceleradores. Su plataforma permite el desarrollo de IA de gráficos de alto rendimiento, minería de patrones de gráficos y aplicaciones de análisis de gráficos, y una integración perfecta con la consulta de gráficos.