Stampa

SRIS offre risultati di elaborazione geospaziale in tempo reale

Architettura innovativa basata su GPU 72 volte più rapida, 12 volte più conveniente delle CPU

La sfida del tempo reale per l'elaborazione geospaziale

SRIS

Gruppo di emettitori a temperatura fredda e calda

I sistemi di informazione geografica (GIS) sono essenziali per la comprensione del mondo. Sino a poco tempo fa, l'accesso in tempo reale alle informazioni geospaziali era un'idea futuristica. La possibilità di creare vaste quantità di dati ha surclassato la nostra capacità di sfruttare a fondo la ricchezza di informazioni che questi dati potrebbero fornire. Per esempio, l'elaborazione dei dati di emettitori e sensori per tenere sotto controllo la fauna in un'area geografica remota rappresenta una sfida monumentale e richiede miliardi di calcoli. Nuovi dati arrivano costantemente, sensori ed emettitori sono in continuo movimento, per non parlare delle variazioni orografiche e climatiche, che possono influire sulla raccolta di dati.

SRIS ha creato un'architettura innovativa accelerata dalle GPU NVIDIA Tesla® per l'elaborazione di grandissime quantità di dati in tempo reale. “Abbiamo riscontrato che la maggiore capacità di calcolo delle GPU rende possibile ottenere i risultati desiderati”, ha dichiarato Srinivas Reddy, Chief Technology Officer di SRIS. “Inoltre abbiamo scoperto che lo scaling esponenziale delle dimensioni dei dati crea nuovi problemi, per esempio quelli legati alla gestione di dati di dimensioni smisurate in un ambiente in cluster di GPU distribuite.” Proprio per questo, SRIS ha progettato un sistema personalizzato per gestire ed elaborare flussi di dati nei cluster di GPU.

Accelerazione via GPU: miglioramento di tempi e costi rispetto alle CPU

SRIS ha creato un cluster per l'elaborazione dei dati geospaziali in tempo reale. Il cluster riceve dati da fonti multiple, esegue le analisi richieste e invia i dati al server ESRI per la visualizzazione. “La nostra prima versione aveva una configurazione basata esclusivamente su CPU” ha dichiarato Reddy. “Il costo del sistema basato su CPU era di 1,2 milioni di dollari, con prestazioni nell'ordine dei 3,6 minuti, quindi non eravamo in grado di ottenere risultati in tempo reale. Dopo aver implementato l'accelerazione via GPU, abbiamo ridotto il costo di 12 volte arrivando ad appena 100.000 dollari e inoltre abbiamo migliorato di 72 volte le prestazioni passando a 9 secondi, cioè a risultati pressoché in tempo reale.”

SRIS continua a innovare e rivoluzionare il settore. Molto recentemente, SRIS ha migliorato il proprio algoritmo GIS CUDA e la propria tecnica di caricamento dei dati. Ora SRIS è in grado di elaborare gli stessi dati geospaziali in 0,0017 secondi utilizzando GPU NVIDIA K20. Si tratta di risultati davvero vicinissimi al tempo reale.

Per semplificare il conseguimento di un flusso dei dati in tempo reale, SRIS ha scelto l'ambiente Storm ed esegue l'elaborazione e i calcoli geospaziali su un cluster di GPU di GPU Tesla K10 e Tesla K20. “Gli algoritmi sono in CUDA per rendere più efficiente l'elaborazione in parallelo fornita dai cluster di GPU”, ha proseguito Reddy. “Per l'archiviazione e il recupero dei dati di riferimento abbiamo scelto un cluster HyperDex perché ha una capacità di ricerca estremamente rapida.”

SRIS ha sviluppato una piattaforma denominata MonsterWave per gestire ed elaborare flussi di dati nei cluster di GPU. “MonsterWave ci permette di massimizzare la velocità e la potenza dei cluster di GPU”, ha continuato Reddy. “Programma e gestisce lavori sulla base dell'efficienza della GPU, inserendo i lavori in coda sulla base dello stato della GPU per un output della massima efficienza.” SRIS ritiene che questo sia il primo approccio davvero efficiente all'accelerazione dei calcoli geospaziali in tempo reale con entità ed eventi dinamici. “Grazie a questo sistema, ora siamo in grado di ricevere grandi quantità di dati da più fonti, fondendoli con una serie di dati di riferimento ulteriori, per poi elaborare i dati così arricchiti utilizzando 18 algoritmi complessi, prima di arrivare all'estrazione finale delle informazioni pertinenti e alla loro presentazione agli utenti. Il tutto in pochi secondi. La possibilità di elaborare i dati con questa rapidità permette agli utenti di formulare decisioni in un lasso di tempo che consente di fare davvero la differenza.”

Un futuro brillante per le applicazioni abilitate dalle GPU in tempo reale

Il team SRIS vede un enorme potenziale in queste capacità. “Al momento stiamo lavorando su algoritmi geospaziali per le GPU e alla possibilità di creare uno stretto accoppiamento fra i database e le GPU”, ha dichiarato Reddy. “Questo permetterà alle applicazioni di data warehouse e ai sistemi di database di sfruttare a fondo la potenza delle GPU anche in ambito geospaziale. Siamo fiduciosi di poter ottenere risposte nell'ordine dei millisecondi per l'analisi di informazioni geospaziali specifiche usando le GPU.”

SRIS