Dass Intel und seine zahlreichen Cloud-Partner gute Teams bilden, darüber habe ich ja auf diesem Blog schon hinlänglich berichtet. Doch das waren eher allgemein gültige Betrachtungen. Daher folgen in diesem Beitrag drei konkrete Beispiele, die das Zusammenspiel von Intel-Technologien und Cloud-Anwendungen belegen, speziell im Kontext der Google Cloud.
[irp posts=“168661″ ]
Intel & SAP: In-Memory-Datenbanken auf Basis der Cloud
In-Memory-Datenbanken wie SAP HANA sind für viele Unternehmen State-of-the-Art, wenn es um das hochperformante Bereitstellen großer Datenmengen direkt im Arbeitsspeicher geht. Denn nur so lassen sich Daten schnellstmöglich analysieren, auswerten und zur Verfügung stellen.
Aus naheliegenden Gründen geschieht diese RAM-basierte Datenverarbeitung immer öfter in der Cloud, denn nur so lassen sich Daten genau dort manipulieren, wo sie anfallen und gespeichert werden: in der Public Cloud, auf dem Edge-Server und an weiteren Orten. Doch wie lässt sich sicherstellen, dass Techniken wie SAP HANA auch in der präferierten Cloud-Umgebung funktionieren?
Nun, hierfür arbeiten SAP und Intel seit vielen Jahren eng zusammen, um somit eine größtmögliche Kompatibilität ihrer Technologien sicherzustellen. Das wiederum ermöglichen die passenden Cloud-SAP-HANA-Instanzen für die zahlreichen Public-Cloud-Angebote. Dazu gehört die Alibaba Cloud genauso wie Amazon AWS, Google Cloud, IBM Cloud und weitere Public Cloud Provider.
[irp posts=“158275″ name=“Darum sind Intel und die Cloud ein gutes Team“]
Intel & Microsoft Azure: Für jede Instanz die passende Konfiguration
Sieht man sich die zahlreichen möglichen Kombinationen virtueller Maschinen an, wird schnell klar: Es gibt nicht diese eine richtige Mischung, die eine bestimmte Anwendung ermöglicht, die wiederum eine klar abgesteckte technische Mindestvoraussetzung erfordert.
Aus diesem und weiteren Gründen haben sich Intel und Microsoft zusammengesetzt und eine Vielzahl an probaten Kombinationen erdacht, die sich an den wichtigsten Workloads orientieren. Herausgekommen ist eine Liste von 7 IaaS-Paketen, die Unternehmen eine möglichst passende Cloud-Umgebung bereitstellen sollen.
[irp posts=“160095″ ]
Dazu gehören sogenannte Serien, die sich an bestimmte Anwendungsszenarien richten. Darunter fallen relationale Datenbanken genauso wie Confidential Computing, High-Performance Computing und In-Memory-Datenbanken wie SAP HANA. Für diese und weitere Workload-Szenarien stehen spezielle Azure-Instanzen bereit, die je nach Anwendung die passende Konfiguration vorsehen. Hauptunterschiede sind die verfügbaren virtuellen Prozessoren (vom Typ skalierbare Intel Xeon-CPU), die Arbeitsspeichergröße sowie die verfügbaren CPU-Funktionen wie Intel SGX, Intel Deep Learning Boost und mehr.
[irp posts=“158337″ name=“Darum sind Intel und die Künstliche Intelligenz (KI) ein gutes Team“]
Intel & die NASA: Der Mond, Überschwemmungen und Sonnenbilder
Wenn sich Spezialisten von Intel und der NASA zusammentun, um gemeinsam wichtige Erkenntnisse zu erlangen, dann hat das gute Gründe. In den vorliegenden Fällen machten sich der Chiphersteller und das Frontier Development Lab im Rahmen dreier Forschungsprogramme auf die Suche nach einem möglichen Leben auf dem Mond, nach besseren und hochauflösenden Bildern von der Sonne und forschten zudem nach zuverlässigeren Vorhersagen, die mögliche Überschwemmungen auf der Erde betreffen.
In allen drei Projekten kam die gesamte Bandbreite an Intel-Technologien zum Einsatz, die für solch aufwändige Forschungsarbeiten notwendig sind. Dazu gehörten zum einen die skalierbaren Intel Xeon-Prozessoren, die beispielsweise das vorhandene Kartenmaterial des Mondes ausgiebig analysieren konnten, um so die Beschaffenheit des Planeten noch besser darstellen zu können. Die gewaltige Datenmenge von 35 Terabyte wurde übrigens via Google Cloud den beteiligten Wissenschaftlern bereitgestellt.
[irp posts=“168611″ ]
Die Künstliche Intelligenz sorgt für hochauflösende Sonnenbilder
Doch auch software-seitig beteiligte sich Intel an den drei Projekten. So kam für die HighRes-Aufnahmen der Sonne neben Intel-basierten Google Cloud-Instanzen die Deep Neutral Network Library (DNNL) sowie das PyTorch-Framework für exaktere Trainingsergebnisse zum Einsatz. Das trifft auf die Floods-Challenge im gleichen Maße zu. Hier wurden die Trainingsmodelle auf Google-Cloud-Instanzen abgelegt. Damit konnten die Daten mithilfe von TensorFLow und PyTorch vorverarbeitet, trainiert und inferiert werden.
[irp posts=“169098″ ]
Disclaimer: Für das Verfassen und Veröffentlichen dieses Blogbeitrags hat mich die Firma Intel beauftragt. Bei der Ausgestaltung der Inhalte hatte ich nahezu freie Hand.