Während der IBM Spectrum Scale Strategy Days 2019 in Ehningen durfte ich mit Piyush Chaudhary (kurz: PC) von IBM dieses interessante Interview führen. Darin spricht er über seinen Vortrag auf dem IBM-Event und warum NVIDIA DGX-1-basierte Rechner und IBM Spectrum Scale ein gutes Team sind.
Piyush Chaudhary über AI-taugliche Speicherlösungen und -konzepte
Während seines Vortrags anlässlich der IBM Spectrum Scale Strategy Days 2019 sprach PC über die Notwendigkeit von leistungsfähigen Speichertechnologien im Kontext von KI-Anwendungen. Und da Kunden in diesem Zusammenhang immer öfter eine Empfehlung für die richtige Storage-Lösung wünschen, hat sich PC mit zwei aktuellen Ökosystemen beschäftigt: NVIDIA DGX-basierte Rechnerlösungen und IBM Power9 basierte Systeme mit Watson Machine Learning-Accelatoren.
Hierbei ist konkret die Rede von IBM Spectrum Storage for NVIDIA GDX. Diese Hochleistungs-Referenzarchitektur bietet dank Spectrum Scale ein Höchstmaß an Parallelität und bietet zahlreiche Konfigurationsmöglichkeiten. Das reicht von einem Standalone IBM Elastic Storage Server (ESS) mit einer bestimmten Zahl an NVIDIA DGX-1-Modulen über einen Server-Cluster, bestehend aus mehreren Rechner with Tesla V100 Tensor-GPUs, bis hin zu Multi-Rack-Installationen.
IBM Spectrum Scale und NVIDIA DGX harmonieren
Gerade KI-Anwendungen unterliegen höchsten Anforderungen, und das vor allem wegen der enormen Datenmengen, die dabei zustande kommen. Um die notwendige Rechenleistung bereitstellen zu können, sind spezielle Systeme wie NVIDIA DGX-1-Rechner vonnöten, die mit 8 GPUs vom Type Tesla V100 ausgestattet sind. Das Besondere daran: Mit zunehmenden Datenhunger vieler KI-Anwendungen steigt auch der Bedarf an DGX-1-Servern, die sich nahtlos zu einem Cluster zusammenschließen lassen. Damit hat man stets die passende Rechenleistung für sein spezielles KI-Projekt.
Das Interessante an KI-Projekten ist ihr hoher „Verwandschaftsgrad“ zu HPC-Projekten (High-Performance Computing). Denn wie im HPC-Umfeld erfordern KI-Anwendungen einen extrem hohen Datendurchsatz bei gleichzeitig sehr geringen Latenzzeiten. Kein Wunder also, dass sich IBM und NVIDIA zusammengetan haben, um eine gemeinsame Referenzarchitektur zu entwickeln, in der NVIDIA DGX-1 und IBM Spectrum Scale die Haupttrollen spielen. Damit hat man als KI-Projektverantwortlicher die Gewissheit ein System zu nutzen, das durch hohen Datendurchsatz und geringe Latenzen besticht und dabei gleichzeitig nahezu linear skaliert.
Darüber hinaus wird der NVIDIA DGX-Software Stack mithilfe der Container-Technologie realisiert, genauer gesagt mithilfe des weit verbreiteten Container-Service Docker. Und auch an der Stelle harmoniert IBM Spectrum Scale sehr gut mit NVIDIA DGX, da Spectrum Scale die Container-Technologie vollständig unterstützt.
Zahlreiche Anwender werden von NVIDA DGX und IBM Spectrum Scale profitieren
Mittlerweile sind viele Wirtschaftsbereiche auf Lösungen wie IBM Spectrum Storage for NVIDIA GDX angewiesen, da dort die Künstliche Intelligenz drängende Fragen beantworten kann. Ob Finanz-, Gesundheits- oder Telekommunikationsdienstleister (aber auch der gesamte Handel), alle wollen bessere und schnellere Einblicke in ihre Zahlen und Statistiken, um auf dieser Basis bessere Entscheidungen treffen zu können. So gehört der Bereich des „Medical Imaging“, also die hochauflösende, exakte Darstellung des menschlichen Körpers, zu einer der aktuellen Kerndisziplinen der KI.
[irp posts=“33158″ ]
[irp posts=“158365″ ]
Das vollständige Interview mit Piyush Chaudhary
Disclaimer: Für das Erstellen dieses Videoblogbeitrags hat mich IBM Deutschland beauftragt. Für das Ausgestalten der Inhalte hatte ich nahezu freie Hand.
Weitere Videos von den IBM Spectrum Scale Strategy Days 2019
Videoblog: „IBM Spectrum Scale ist Cloud- und Container-tauglich“
Videoblog: „IBM Spectrum Scale kommt bei unseren Kunden häufig zum Einsatz“