Katana Graph otimiza o mecanismo de análise no Intel Xeon de 3ª geração

Katana Graph, uma startup de análise gráfica de alta velocidade focada no processamento de grandes conjuntos de dados não estruturados, anunciou que otimizou seu mecanismo gráfico para o novo processador escalonável Intel Xeon de 3ª geração e sistemas de memória.

O motor Katana Graph (KGE) é uma plataforma para análise de gráficos de alta velocidade, mineração de padrões e consultas em clusters heterogêneos de CPUs e GPUs, fornecendo o que a empresa disse ser capacidade de computação incomparável para processar até mesmo os maiores gráficos, como gráficos de rastreamento da web com bilhões de vértices e trilhões de arestas. Ele extrai insights acionáveis ​​de enormes conjuntos de dados não estruturados, usando algoritmos de gráfico de alto desempenho. O scale-out fornece mais poder computacional agregado e DRAM para analisar propriedades de gráficos maiores do que é possível em uma única máquina.

O KGE com os módulos de partição, comunicação, virtualização e tecnologia de armazenamento que o acompanham são o culminar de mais de uma década de pesquisas avançadas em tecnologia de gráficos e computação de alto desempenho pelos co-fundadores Chris Rossbach e Keshav Pingali. O KGE é baseado em pesquisas realizadas no grupo de sistemas de software inteligente da Pingali na Universidade do Texas em Austin, que trabalha em modelos de programação paralela, compiladores e sistemas de tempo de execução para aplicativos com dados não estruturados de grande escala.

Em CPUs, o sistema de tempo de execução Katana otimiza a execução do programa para explorar a localidade NUMA (acesso não uniforme à memória); por exemplo, ele executa o balanceamento de carga dinâmico compatível com NUMA para garantir que a carga computacional seja distribuída uniformemente entre os núcleos da CPU. Em GPUs, o mecanismo de gráfico Katana incorpora otimizações de desempenho para reduzir a sobrecarga de inicializações do kernel e operações atômicas.

Para execução em clusters, as partições KGE geram gráficos entre as máquinas no cluster usando uma ampla variedade de políticas de particionamento de gráfico, incluindo cortes de arestas e cortes de vértices. Políticas de particionamento gráfico específicas do aplicativo podem ser implementadas no particionador gráfico Katana.

A comunicação costuma ser o gargalo de desempenho na execução de programas de análise de gráfico em memória distribuída. Para evitar isso, o mecanismo de gráfico Katana tem um tempo de execução de comunicação que foi otimizado para computação gráfica.

As bibliotecas de gráficos principais do Katana fornecem estruturas de dados concorrentes altamente escalonáveis, como representações de gráficos concorrentes e listas de trabalho simultâneas para implementar algoritmos eficientes no trabalho. Essas bibliotecas podem ser usadas por cientistas de dados para escrever novos aplicativos em Python, deixando para o sistema subjacente a otimização do programa para execução distribuída e heterogênea.

Análise de alto desempenho no Intel Xeon

A plataforma agora pode aproveitar as vantagens dos processadores escalonáveis ​​Intel Xeon de última geração e da tecnologia de memória persistente Intel Optane para processar gráficos massivos em clusters muito menores. Isso apoiará melhor as organizações com enormes conjuntos de dados e gráficos não estruturados, incluindo varejistas online, instituições financeiras e empresas de gerenciamento de identidade, na compreensão de seus clientes, operações e oportunidades.

A plataforma do Katana Graph pode ser implementada imediatamente nos processadores escalonáveis ​​Intel Xeon de 2ª e 3ª gerações com o aumento de aprendizado profundo da Intel, sem a necessidade de modificações adicionais. Em processadores escalonáveis ​​Xeon de 3ª geração, a solução Katana Graph oferece uma melhoria marcante na velocidade combinada com a capacidade de processar conjuntos de dados muito maiores usando menos máquinas.

“Estamos orgulhosos de que nosso Katana Graph Engine funciona até duas vezes mais rápido nos processadores escalonáveis ​​Intel Xeon de 3ª geração da Intel do que na geração anterior, e oferece ainda mais desempenho com otimizações”, disse Keshav Pingali, Katana Graph co -Fundador e Chefe Executivo. “Nossos clientes precisam dos recursos de análise de alto desempenho que estamos liberando trabalhando em estreita colaboração com a Intel.”

Em nome da Intel, Wei Li disse:“Katana Graph aproveitou a arquitetura inovadora do processador escalonável Intel Xeon de 3ª geração em seu mecanismo de análise gráfica de última geração, o que é uma notícia empolgante”. Li, que é vice-presidente e gerente geral de desempenho de aprendizado de máquina no grupo de arquitetura, gráficos e software da Intel, acrescentou:“Nossos clientes mútuos se beneficiarão diretamente de nossa estreita colaboração à medida que abordamos os desafios associados ao processamento de conjuntos de dados massivos”.

Além da maior velocidade e capacidade de lidar com grandes quantidades de dados, os usuários finais também verão economias notáveis ​​em termos de tamanho de cluster e custo de gerenciamento. Katana Graph disse que isso é parte de sua missão de fornecer a melhor pilha de software gráfico para permitir que as organizações obtenham insights mais profundos com mais rapidez de seus dados não estruturados e usem essa inteligência acionável para expandir seus negócios e acelerar o crescimento.

Intel Capital lidera rodada de financiamento de $ 28,5

Katana Graph foi fundada em 2020 por Pingali e Rossbach, que eram professores da Universidade do Texas em Austin. Eles reconheceram as sinergias possibilitadas por avanços de pesquisa em algoritmos de gráfico, armazenamento e aceleração de hardware que podem permitir que os desenvolvedores trabalhem com dados irregulares e não estruturados em escala e eficiência massivamente aumentadas.

No início deste ano, a empresa concluiu uma rodada de financiamento da série A de $ 28,5 milhões liderada pela Intel Capital com a participação da WRVI Capital, Nepenthe Capital, Dell Technologies Capital e Redline Capital.

O sócio-gerente da Intel Capital, Anthony Lim, disse:“A plataforma do Katana Graph ajuda grandes empresas a entender seus grandes conjuntos de dados não estruturados, e estamos vendo essa demanda em uma variedade de setores, desde redes sociais até pesquisa biomédica e farmacêutica. Estamos entusiasmados em liderar a nova rodada de financiamento do Katana Graph com base em nossa colaboração no ano passado, onde a tecnologia do Katana Graph foi otimizada para processadores Intel Xeon e clusters baseados em Xeon. ”

Scott Darling, presidente da Dell Technologies Capital, disse que a plataforma Katana foi uma solução inovadora que integra ingestão, consulta e análise de dados com escala e desempenho sem precedentes para resolver o problema do dilúvio de dados para dados gráficos não estruturados. Ele acrescentou:“Também estamos entusiasmados em apoiar a empresa, dadas as raízes compartilhadas da Dell Technologies e Katana Graph na Universidade do Texas em Austin.”

Enquanto isso, o veterano e investidor da indústria, Lip-Bu Tan, o sócio-gerente fundador da WRVI Capital, disse:“Estou animado e honrado em fornecer capital inicial e parceiro com o professor Keshav Pingali e o professor Chris Rossbach para fornecer a plataforma mais abrangente para grandes -escala gráfico de mineração de dados, consulta e análise. ”

Katana Graph no ano passado adicionou um número crescente de clientes corporativos nos mercados farmacêutico, fintech, identidade, segurança e EDA, bem como um forte impulso no mercado de análise de big data. Embora fundada por pesquisadores, a empresa também adicionou uma equipe de liderança com foco comercial com histórico de gestão de negócios ou divisões de tecnologia de sucesso, incluindo Farshid Sabet, diretor de negócios, que foi gerente geral de IA de ponta da Intel. Além disso, N. R. Narayana Murthy, fundador da Infosys e Amy Chang, membro do conselho da Procter &Gamble e Cisco, ingressaram como conselheiros do conselho da Katana.

A proposta de valor chave do Katana Graph é a capacidade de lidar com dados não estruturados massivos e integrar cargas de trabalho de mineração de padrões complexos em grandes conjuntos de dados corporativos e gráficos de conhecimento, com desempenho superior para IA de gráfico complexo, mineração de padrão de gráfico e algoritmos de análise de gráfico. Ele oferece suporte a clusters heterogêneos de recursos de computação, incluindo CPUs x86, CPUs Arm, GPUs e outros aceleradores. Sua plataforma permite o desenvolvimento de IA de gráfico de alto desempenho, mineração de padrão de gráfico e aplicativos de análise de gráfico e integração perfeita com consulta de gráfico.