Accelerating real-time data-analytics with in-network computing
Versnelling van real-time data-analytics met in-network computing
Data-analyse vertrouwt sterk op Gedistribueerde Stroomverwerking om cruciale inzichten te genereren die automatisering en strategische besluitvorming in realtime mogelijk maken. Opkomende gebruikssituaties van realtime data-analyse, bijvoorbeeld slimme fabricage, cyberbeveiliging en hoogfrequente handel, hebben strenge prestatie-eisen met betrekking tot garanties voor lage latentie, hoge doorvoer en statusconsistentie. Bochra Boughzala onderzocht een nieuw paradigma, genaamd in-network computing, met als doel het potentieel ervan te begrijpen voor het verhogen van de efficiëntie van gedistribueerde stream processing. Zij stelt hardwareversnelling van data-analytics-functies voor met behulp van het in-network programmeringsmodel P4.
De aanzienlijke prestatieverbetering – waarbij bijvoorbeeld een half miljoen operators, oftewel knooppunten voor gegevensverwerking, door één enkel apparaat kunnen worden bediend – is een enorme vooruitgang en van groot belang voor gegevensintensieve taken, zoals realtime-inferentie in AI-systemen. Bovendien is het van cruciaal belang om gegevens op een deterministische manier en met lage latentie te leveren voor tijdgevoelige toepassingen zoals hoogfrequente handel of cyberbeveiliging.