Углублённый обзор новой области, объединяющей высокопроизводительные вычисления, обработку Больших данных и глубокое обучение.

За последнее десятилетие экспоненциальный взрыв данных, известных как Большие данные, изменил наши понимание и применение мощности данных. Новая область высокопроизводительных вычислений Больших данных, объединяющая высокопроизводительные вычисления (HPC), обработку Больших данных и Глубинное обучение, направлена ​​на решение проблем, связанных с крупномасштабной обработкой данных. Эта книга предлагает подробный обзор высокопроизводительных вычислений Больших данных и связанных с ними технических вопросов, подходов и решений.

Книга охватывает основные концепции и необходимые базовые знания, включая структуры обработки данных, системы хранения и аппаратные возможности; предлагает подробное обсуждение технических вопросов ускорения вычислений Больших данных с точки зрения вычислений, взаимодействия, памяти и хранения, проектирования кода, характеристики рабочей нагрузки и сравнительного анализа, а также развёртывания системы и управления ею; также исследует эталонное тестирование и рабочие нагрузки для оценки систем промежуточного программного обеспечения Больших данных. В ней подробно обсуждаются вычислительные системы и приложения для Больших данных с высокопроизводительными сетевыми, вычислительными технологиями и технологиями хранения, включая самые современные разработки для систем обработки и хранения данных. Наконец, в книге рассматриваются некоторые передовые темы исследований в области высокопроизводительных вычислений Больших данных, в том числе разработка высокопроизводительных стеков глубинного обучения на основе Больших данных (DLoBD), а также технологий Облачных решений высокопроизводительных вычислений.

Глава 1. Введение

Глава 2. Модели и системы параллельного программирования

Глава 3. Параллельные и распределённые системы хранения

Глава 4. Архитектура и тенденции HPC

Глава 5. Возможности и проблемы ускорения вычислений Больших данных

Глава 6. Эталонное тестирование систем Больших данных

Глава 7. Ускорение RDMA

Глава 8. Ускорение при помощи многоядерных технологий и дополнительных вычислительных устройств

Глава 9. Ускорение при помощи технологий высокопроизводительного хранения

Глава 10. Глубинное обучение на основе Больших данных

Глава 11. Проектирование с применением технологий Облачных решений

Глава 12. Передовые исследования в области высокопроизводительных вычислений Больших данных

Об авторах

Дхабалешвар К. Панда профессор и почётный научный сотрудник в области вычислительных наук и инженерии в Университете штата Огайо.

Сяойи Лу доцент кафедры компьютерных наук и инженерии Калифорнийского университета в Мерседе.

Тайлер Леонхардт работает инженером-программистом в команде PowerShell около 2 лет, а в Microsoft — почти 3 года. Участник команды PowerShell.

Дипти Шанкар в настоящее время работает в SAP в Германии.

Об обложке