MtoM Mag - Le journal de l'MtoM.

Vast Data, la data plateforme haute performance taillée pour l’IA annonce avoir atteint le plus haut niveau pour les cas d’usage analytique dans le rapport sur les capacités critiques pour le stockage objet et fichier distribué du cabinet d’études Gartner. D’après ce rapport, réalisé dans le cadre du Magic Quadrant pour les systèmes de stockage objet et fichier distribué dans lequel Vast s’est classé comme Challenger, l’entreprise a reçu le score le plus élevé (4,14 sur 5) parmi tous les fournisseurs évalués dans le cas d’utilisation analytique.

D’après le Gartner, la solution Vast Data a été testée pour un cas d’utilisation "faisant référence au stockage consommé par les applications d’analyse de Big Data et les applications de business intelligence (BI) packagées pour répondre à des problèmes de domaine ou d’entreprise." La reconnaissance de la part du Gartner valide ainsi la stratégie de Vast Data en matière d’analytique qui repose sur 5 facteurs différenciants.

Performances Full-flash : Vast est une plateforme de données unifiées qui démocratise l’accès rapide et full-flash à toutes les données. La plateforme se présente aux applications et aux utilisateurs à la fois comme un magasin d’objets et comme un système NAS évolutif. Les données structurées et non structurées peuvent être ingérées à partir d’une grande variété d’applications et de sources dans un seul référentiel unifié pour l’analyse et le traitement.

Accès aux données multi-protocoles : L’interface objet (S3) de Vast permet l’intégration d’ensembles d’outils d’analyse de données volumineuses tels que MapReduce, HIVE et Spark. En outre, elle prend en charge les moteurs d’interrogation distribués (Dremio, Trino, Presto, etc.) et les entrepôts de données accélérés par les GPU (SQream, etc.). Comme Vast peut présenter l’espace de noms à l’aide des normes NFSv3 et NFSv4, le système prend également en charge les applications d’analyse et les bases de données traditionnelles telles que SAS Grid, Postgres et KDB. Teradata, Splunk, ElasticSearch et Vertica peuvent s’intégrer en utilisant soit S3 soit NFS.

Prise en charge du stockage direct par le GPU : Vast apporte une approche innovante à l’IA, du machine et du deep learning en augmentant l’activité et l’efficacité des GPU. L’utilisation du stockage direct par le GPU permet aux données provenant de Vast de passer directement de la carte réseau du serveur GPU à la mémoire du GPU. En d’autres termes, cela permet aux données de contourner la mémoire système et le complexe CPU. Il en résulte une bande passante plus élevée, ainsi que l’élimination de la surcharge du GPU pour le traitement en entrées/sorties.

Réduction des données de premier ordre : Vast offre la meilleure réduction de données de sa catégorie grâce à ses algorithmes basés sur la similitude. Pour les données structurées ou semi-structurées dans un format de valeurs séparées par des virgules ou des tabulations, Vast offre une réduction des données de 3:1 à 4:1 sans aucun compromis sur les performances. Les données ingérées consomment moins de capacité par rapport aux autres plateformes. Même lorsque les données ont été précompressées, Vast délivre une réduction de 45 % de la consommation de stockage.

Une architecture moderne pour des charges de travail modernes : Vast utilise une approche DASE (Disaggregated Shared Everything) de l’architecture de stockage permettant aux clients de faire évoluer la capacité de stockage indépendamment des performances de stockage. Ils n’ont pas besoin de maintenir un ratio fixe pour la capacité et les performances, et peuvent ajuster le système en fonction de l’évolution de leurs besoins au fil du temps. Les performances sont déterminées par la couche informatique qui adresse et expose ce stockage aux applications orientées client. Grâce à la séparation du compute et du stockage, les clients peuvent faire évoluer les performances de façon linéaire en ajoutant simplement des unités de calcul.

https://www.vastdata.com/