APU Speedata
Les startups de puces qui espèrent revendiquer une part du gâteau émergent de l’IA ne manquent pas. Mais au lieu d’accélérer les charges de travail d’apprentissage automatique, Speedata cherche à accélérer les performances des analyses SQL exécutées dans des bases de données orientées colonnes, ce qui, selon la société israélienne, est une plus grande opportunité que l’IA.
Speedata développe une unité de traitement analytique (APU) conçue spécifiquement pour résoudre les goulots d’étranglement courants dans les analyses traditionnelles. L’APU lui-même se branchera sur un emplacement PCIe sur un serveur X86 et offrira aux entreprises une accélération de 10x à 20x, selon la charge de travail, affirme l’entreprise.
Comme une multitude de puces émergentes spécifiques à l’IA, l’APU Speedata n’est pas basé sur une architecture von Neumann, qui est l’architecture classique traditionnellement utilisée par les CPU et les GPU, explique Jonathan Friedmann, PDG et co-fondateur de Speedata. Cependant, c’est là que s’arrêtent les similitudes.
« Dans l’IA, vous optimiseriez les multiplications à virgule flottante, tandis que dans les analyses et les bases de données, vous optimiseriez les chaînes, qui ont leurs propres défis », explique Friedmann. Datanami.
Selon Friedmann, l’APU de Speedata (que vous pouvez voir dans l’image caractéristique en haut de cette histoire) cible les trois principaux goulots d’étranglement dans les analyses et les bases de données : l’accélération des E/S, l’accélération du calcul et la mémoire. Il le fait à la fois en termes de bande passante et de capacité, dit-il.
« Nous examinons les fonctions importantes de SQL qui sont très populaires et très difficiles à traiter pour les processeurs, et nous construisons en fait des pipelines matériels spécifiques pour cela », dit-il. « L’ensemble de l’architecture est tellement différent d’un processeur qu’en fait, tout se fait en pipeline dans la puce elle-même, il y a donc beaucoup moins de sorties et de retours vers la DRAM. Il y a donc un énorme avantage en termes de capacité DRAM et de bande passante DRAM qui est nécessaire. »
Friedmann a refusé de fournir des détails sur la conception de la puce, tels que la quantité de mémoire ou la largeur de la porte. Qu’il suffise de dire qu’un prototype fonctionne déjà dans des simulateurs à cycle précis et sur un FPGA dans le laboratoire Speedata. La puce sera fabriquée par TSMC et devrait être entre les mains des clients d’ici quelques trimestres, a déclaré Friedmann.
Lorsque l’APU sera disponible, les clients pourront le brancher sur leur architecture X86 existante pour accélérer les charges de travail d’analyse, tout comme les GPU peuvent être branchés pour augmenter les charges de travail gourmandes en calcul inhérentes aux graphiques haut de gamme, à l’apprentissage automatique et à la modélisation. et la simulation, selon Friedmann.
PDG et co-fondateur de Speedata Jonathan Friedmann
Speedata travaille actuellement avec plusieurs sociétés Fortune 500 pour déterminer comment la conception de la puce fonctionnera avec leurs charges de travail SQL. La cible de l’entreprise est constituée des données stockées dans un format de données en colonnes dans une base de données relationnelle orientée colonnes.
La société a montré que la puce bas de gamme fonctionnera avec Apache Spark et son moteur de traitement SQL, Spark SQL, et des travaux sont en cours pour prendre en charge d’autres moteurs de traitement, notamment Presto et PostgreSQL, a déclaré Friedmann.
Les gains de performances potentiels d’un moteur d’analyse dédié sont substantiels, déclare Friedman. «Nous avons montré un multiple d’un ordre de grandeur allant jusqu’à deux ordres de grandeur d’améliorations», dit-il. Les fonctions d’analyse SQL telles que les jointures et les agrégations, entre autres, bénéficieront d’un matériel spécialement conçu pour cela, selon Friedmann.
L’amélioration exacte que chaque client verra dépend de la charge de travail et des données, ajoute-t-il. La société a exécuté un prototype de puce par rapport à la référence TPC-DS, une référence commune utilisée pour déterminer les performances de la base de données analytique. Cependant, les résultats n’étaient pas disponibles.
Alors que l’accélération des charges de travail d’apprentissage automatique a beaucoup attiré l’attention des fabricants de puces établis et en démarrage, le côté analytique de l’équation, c’est-à-dire l’exécution de bonnes requêtes SQL à l’ancienne, est une opportunité négligée, dit Friedmann.
« Les bases de données et les analyses représentent une charge de travail qui est en fait plus importante en termes de dollars dépensés dans le centre de données », dit-il. « Pendant que Nvidia et Intel se penchent sur la question… encore peu de startups le font et les grandes entreprises ne font que les premiers pas. Nous avons donc l’impression d’avoir un bel avantage de deux ans ici.
Speedata, qui est basée à Netanya, en Israël, a annoncé aujourd’hui un tour de table de 55 millions de dollars de série A de capital-risque, donnant à la société un financement total de 70 millions de dollars (il y avait eu un tour de 15 millions de dollars non divulgué auparavant). La série A était dirigée par Walden Catalyst Ventures, 83North et Koch Disruptive Technologies (KDT), avec la participation des investisseurs existants Pitango First, Viola Ventures ainsi que Eyal Waldman, co-fondateur et ancien PDG de Mellanox Technologies.
Les données de vitesse ont été fondées par un groupe d’hommes multidisciplinaires, comprenant Friedmann, Dan Charash, Rafi Shalom, Itai Incze, Yoav Etsion et Dani Voitsechov. Friedman et Charash ont tous deux construit des puces chez Provigent, qui a été acquise par Broadcom pour 360 millions de dollars en 2011, tandis qu’Etsion et Voitsechov ont passé six ans à rechercher la conception actuelle de l’APU. Rafi Shalon apporte une expertise en réseau, tandis qu’Itai Incze est son architecte logiciel en chef.
« Pour résoudre [processor challenges] vous avez besoin d’experts dans plusieurs disciplines et en tant que telle, l’équipe fondatrice est comme ça », explique Friedmann.
Articles connexes:
Speedy Column-Store ClickHouse sort de Yandex et lève 50 millions de dollars
Le moment est-il venu de virtualiser les bases de données ?
Presto est prêt pour une année exceptionnelle alors que l’explosion des données se poursuit