SRIS

SRIS забезпечує обробку геопросторових даних в режимі реального часу

Інноваційна архітектура на базі GPU в 72 рази швидше і в 12 разів дешевше, ніж CPU

Проблема обробки геопросторових даних в режимі реального часу

Набір датчиків холодної і теплої температур

Геоінформаційні системи (ГІС) необхідні для пізнання світу. До недавнього часу було складно уявити можливість доступу до геопросторової інформації в режимі реального часу. Наша можливість створювати величезні обсяги даних перевершує нашу можливість використовувати багатство інформації, яку ці дані можуть забезпечити. Наприклад, обробка даних датчиків і сенсорів для відстеження дикого життя у віддалених районах представляє складну задачу, вимагаючи мільярдів обчислень. Дані надходять постійно, сенсори і датчики знаходяться в постійному русі, не кажучи вже про варіації територій і погоди, які можуть впливати на збір даних.

Зниження витрат і скорочення часу, що витрачається завдяки прискоренню на GPU в порівнянні з CPU

SRIS зібрала кластер для обробки геопросторових даних в режимі реального часу. Команда отримувала дані з різних джерел, виконувала необхідний аналіз і відправляла дані на сервер ESRI для візуалізації. «Спочатку ми працювали на CPU-конфігурації», - сказав Редді. «Вартість системи на базі CPU дорівнювала $ 1,2 мільйона, а час виконання операції становила 3,6 хвилини, тому ми не могли досягти результатів дійсно в режимі реального часу. Після реалізації GPU-прискорення, ми скоротили вартість системи в 12 разів до $ 100 тисяч, час виконання операції прискорилося в 72 рази до 9 секунд, що практично є режимом в реальному часі ».

SRIS продовжує розширювати межі можливого. Зовсім недавно SRIS поліпшила алгоритм ГІС з підтримкою CUDA і технологію завантаження даних. Тепер команда може обробляти ті ж геопросторові дані за 0,0017 секунди, використовуючи графічний прискорювач NVIDIA K20. Як видно, цей результат дуже близький до виконання операції в режимі реального часу.

Щоб працювати з потоком даних в режимі реального часу, SRIS вибрала оточення Storm і здійснює обробку геопросторових даних і обчислення на GPU-кластері з графічними укорітелямі Tesla K10 і Tesla K20. «Алгоритми використовуються на CUDA, щоб мати доступ до масивно паралельних обчислень, які забезпечують GPU-кластери», - продовжив Редді. «Ми використовували кластер HyperDex для зберігання та вилучення довідкових даних, так як цей кластер характеризується високою швидкістю пошуку інформації».

SRIS розробила платформу під назвою MonsterWave, щоб управляти і обробляти потоки даних на GPU-кластерах. «MonsterWave дозволяє нам максимізувати швидкість і продуктивність GPU-кластерів», - продовжив Редді. «Ця платформа структурує і управляє завданнями, грунтуючись на статусі GPU для досягнення найкращого результату». У SRIS впевнені, що це перший вдалий підхід до прискорення геопросторових обчислень в режимі реального часу. «Завдяки цій системі ми тепер можемо отримувати величезні обсяги даних з різних джерел, об'єднувати їх з додатковими довідковими базами даних, обробляти ці дані, використовуючи 18 складних алгоритмів, отримувати корисну інформацію і повертати її користувачам за кілька секунд. Можливість такої швидкої обробки даних дозволяє користувачам швидко приймати рішення там, де це дійсно необхідно ».

Яскраве майбутнє додатків з GPU-прискоренням для обробки даних в режимі реального часу

Команда SRIS бачить в цих можливостях великий потенціал. «На даний момент ми працюємо над геопросторовими алгоритмами для GPU і забезпеченням можливості об'єднувати бази даних на GPU», - сказав Редді. «Це дозволить сховища даних і систем зберігання даних використовувати потужність GPU в геопросторової галузі. Ми впевнені, що ми зможемо домогтися обробки специфічної геопросторової інформації на GPU за мілісекунди ».