Katana Graph optimaliseert analyse-engine op 3e generatie Intel Xeon

Katana Graph, een snelle start-up voor grafische analyse die zich richt op het verwerken van grote ongestructureerde datasets, heeft aangekondigd dat het zijn grafische engine heeft geoptimaliseerd voor de nieuwe 3e generatie Intel Xeon schaalbare processor- en geheugensystemen.

De Katana Graph-engine (KGE) is een platform voor snelle grafiekanalyse, patroonontginning en query's op heterogene clusters van CPU's en GPU's, wat volgens het bedrijf ongeëvenaarde rekencapaciteit biedt voor het verwerken van zelfs de grootste grafieken, zoals webcrawl-grafieken met miljarden hoekpunten en biljoenen randen. Het haalt bruikbare inzichten uit enorme ongestructureerde datasets, met behulp van krachtige grafiekalgoritmen. Scale-out biedt meer totale rekenkracht en DRAM voor het analyseren van eigenschappen van grotere grafieken dan mogelijk is op een enkele machine.

De KGE met bijbehorende modules voor partitionering, communicatie, virtualisatie en opslagtechnologie zijn het resultaat van meer dan tien jaar geavanceerd onderzoek in grafische technologie en high-performance computing door mede-oprichters Chris Rossbach en Keshav Pingali. De KGE is gebaseerd op onderzoek dat is uitgevoerd in Pingali's groep voor intelligente softwaresystemen aan de Universiteit van Texas in Austin, die werkt aan parallelle programmeermodellen, compilers en runtime-systemen voor toepassingen met grootschalige, ongestructureerde gegevens.

Op CPU's optimaliseert het Katana runtime-systeem de uitvoering van programma's om de NUMA-lokaliteit (niet-uniforme geheugentoegang) te benutten; het voert bijvoorbeeld NUMA-bewuste dynamische belastingsverdeling uit om ervoor te zorgen dat de rekenbelasting gelijkmatig wordt verdeeld over de kernen van de CPU. Op GPU's bevat de Katana-grafiekengine prestatie-optimalisaties om de overhead van kernellanceringen en atomaire operaties te verminderen.

Voor uitvoering op clusters verdeelt de KGE grafieken tussen de machines in het cluster met behulp van een rijke verscheidenheid aan grafiekpartitioneringsbeleid, waaronder edge-cuts en vertex-cuts. Toepassingsspecifiek grafiekpartitiebeleid kan worden geïmplementeerd in de Katana-grafiekpartitioner.

Communicatie is vaak het prestatieprobleem bij de uitvoering van grafische analyseprogramma's met gedistribueerd geheugen. Om dit te voorkomen, heeft de Katana-grafiekengine een communicatieruntime die is geoptimaliseerd voor grafiekcomputing.

De kerngrafiekenbibliotheken van Katana bieden zeer schaalbare gelijktijdige gegevensstructuren zoals gelijktijdige grafiekrepresentaties en gelijktijdige werklijsten om werkefficiënte algoritmen te implementeren. Deze bibliotheken kunnen door datawetenschappers worden gebruikt om nieuwe applicaties in Python te schrijven, waarbij het aan het onderliggende systeem wordt overgelaten om het programma te optimaliseren voor gedistribueerde, heterogene uitvoering.

Hoogwaardige analyses op Intel Xeon

Het platform kan nu profiteren van de nieuwste generatie Intel Xeon schaalbare processors en Intel Optane persistent geheugentechnologie om enorme grafieken op veel kleinere clusters te verwerken. Dit zal organisaties met enorme ongestructureerde datasets en grafieken, waaronder online retailers, financiële instellingen en identiteitsbeheerbedrijven, beter ondersteunen bij het begrijpen van hun klanten, activiteiten en kansen.

Het platform van Katana Graph is out-of-the-box inzetbaar op zowel 2e generatie als 3e generatie Intel Xeon schaalbare processors met Intel deep learning boost, zonder dat er extra aanpassingen nodig zijn. Op schaalbare Xeon-processors van de derde generatie biedt de oplossing van Katana Graph een duidelijke snelheidsverbetering in combinatie met de mogelijkheid om veel grotere datasets te verwerken terwijl er minder machines worden gebruikt.

"We zijn er trots op dat onze Katana Graph Engine tot twee keer zo snel werkt op Intel's 3e generatie Intel Xeon schaalbare processors dan op de vorige generatie, direct uit de doos, en nog meer prestaties levert met optimalisaties", zegt Keshav Pingali, Katana Graph co -oprichter en directeur. "Onze klanten hebben de krachtige analysemogelijkheden nodig die we ontketenen door nauw samen te werken met Intel."

Namens Intel zei Wei Li:"Katana Graph heeft gebruik gemaakt van de innovatieve architectuur van de 3e generatie Intel Xeon schaalbare processor in zijn ultramoderne grafiekanalyse-engine, wat opwindend nieuws is." Li, vice-president en algemeen manager van machine learning-prestaties in de architectuur-, grafische en softwaregroep bij Intel, voegde toe:"Onze wederzijdse klanten zullen direct profiteren van onze nauwe samenwerking bij het aanpakken van de uitdagingen die gepaard gaan met het verwerken van enorme datasets."

Naast de hogere snelheid en de mogelijkheid om enorme hoeveelheden gegevens te verwerken, zullen eindgebruikers ook aanzienlijke besparingen zien op het gebied van clustergrootte en beheerkosten. Katana Graph zei dat dit deel uitmaakt van haar missie om de beste grafische softwarestack te bieden waarmee organisaties sneller diepere inzichten kunnen halen uit hun ongestructureerde gegevens en die bruikbare informatie kunnen gebruiken om hun bedrijf uit te breiden en de groei te versnellen.

Intel Capital leidt financieringsronde van $ 28,5

Katana Graph werd in 2020 opgericht door Pingali en Rossbach, professoren aan de Universiteit van Texas in Austin. Ze erkenden de synergieën die mogelijk zijn gemaakt door onderzoeksdoorbraken in grafische algoritmen, opslag en hardwareversnelling waarmee ontwikkelaars kunnen werken met onregelmatige en ongestructureerde gegevens op een enorm grotere schaal en efficiëntie.

Eerder dit jaar rondde het bedrijf een serie A-financieringsronde van $ 28,5 miljoen af ​​onder leiding van Intel Capital met deelname van WRVI Capital, Nepenthe Capital, Dell Technologies Capital en Redline Capital.

Intel Capital managing partner, Anthony Lim, zei:"Het platform van Katana Graph helpt grote ondernemingen hun grote ongestructureerde datasets te begrijpen, en we zien deze vraag in verschillende sectoren, van sociale netwerken tot biomedisch en farmaceutisch onderzoek. We zijn verheugd om de nieuwe financieringsronde van Katana Graph te leiden op basis van onze samenwerking vorig jaar, waarbij de technologie van Katana Graph werd geoptimaliseerd voor Intel Xeon-processors en Xeon-gebaseerde clusters.”

Scott Darling, president van Dell Technologies Capital, zei dat het Katana-platform een ​​baanbrekende oplossing was die gegevensopname, query's en analyses integreerde met ongekende schaal en prestaties om het probleem van de stortvloed van gegevens voor ongestructureerde grafiekgegevens aan te pakken. Hij voegde eraan toe:"We zijn ook verheugd om het bedrijf te steunen gezien de gedeelde wortels van Dell Technologies en Katana Graph in de Universiteit van Texas in Austin."

Ondertussen zei industrieveteraan en investeerder Lip-Bu Tan, de oprichter van WRVI Capital:"Ik ben verheugd en vereerd om startkapitaal en partner te bieden met professor Keshav Pingali en professor Chris Rossbach om het meest uitgebreide platform te bieden voor grote -schaal datamining, query's en analyses voor grafieken."

Katana Graph voegde vorig jaar een groeiend aantal zakelijke klanten toe in de farmaceutische, fintech-, identiteits-, beveiligings- en EDA-markten, evenals een sterk momentum in de markt voor big data-analyse. Hoewel het bedrijf is opgericht door onderzoekers, heeft het ook een commercieel gericht leiderschapsteam toegevoegd met een trackrecord van het runnen van succesvolle technologiebedrijven of -divisies, waaronder Farshid Sabet, chief business officer, die GM van edge AI bij Intel was. Daarnaast zijn N.R. Narayana Murthy, oprichter van Infosys en Amy Chang, bestuurslid bij Procter &Gamble en Cisco, toegetreden als bestuursadviseurs voor Katana.

De belangrijkste waardepropositie van Katana Graph is de mogelijkheid om enorme ongestructureerde gegevens te verwerken en complexe patroonmining-workloads te integreren in grote zakelijke datasets en kennisgrafieken, met superieure prestaties voor complexe grafische AI, grafiekpatroonmining en algoritmen voor grafiekanalyse. Het ondersteunt heterogene clusters van computerbronnen, waaronder x86-CPU's, Arm-CPU's, GPU's en andere versnellers. Het platform maakt de ontwikkeling mogelijk van krachtige grafiek-AI, grafiekpatroon-mining en grafiekanalyse-applicaties, en naadloze integratie met grafiekquery's.