Pure Storage (NYSE : PSTG), principal fournisseur indépendant de baies 100 % flash adaptées à l'ère du cloud, annonce un tournant pour les clients de FlashBlade, premier système du secteur adapté à l’analyse moderne. Depuis sa mise sur le marché en janvier 2017, FlashBlade a su s’imposer auprès des entreprises innovantes en matière de charges de travail, plus particulièrement avec des outils d’analyse modernes, l’intelligence artificielle (IA) et le machine learning.
Les données sont au cœur de la révolution analytique moderne. De grandes quantités de données doivent être distribuées sur des processeurs parallèles (par exemple sur des processeurs graphiques et multi-cœur), à des vitesses extrêmement rapides pour venir enrichir plus rapidement et précisément les algorithmes de machine learning et d’analyse. Aujourd’hui, le machine learning est essentiellement produit par des spécialistes de l’hyper-convergence et de grandes entreprises Web, mais a récemment suscité un attrait auprès de nombreux secteurs d’activité, par exemple dans le secteur automobile, où la bataille autour du lancement des premiers véhicules autonomes fait rage. Les organismes financiers, quant à eux, misent sur l’intelligence artificielle et sur le machine learning pour automatiser les transactions, comprendre le risque de crédit et le gérer. Dans le monde de la recherche médicale enfin, l’analyse d’images IRM aide les professionnels à établir leur diagnostic clinique en révélant dans les tumeurs cérébrales les marqueurs génétiques qui ne sont pas visibles à l’œil nu. Optimisée pour tout type de charge de travail non structurée, la solution FlashBlade aide les entreprises les plus innovantes à gérer plus rapidement que jamais les charges de travail émergentes et modernes.
« FlashBlade fonctionne entièrement sur la base du parallélisme, qui imite le cerveau humain et permet d’exécuter plusieurs requêtes ou tâches simultanément », explique Laurent Martini, Country Manager France de Pure Storage. « Les baies de stockage sont comparables à des caisses de supermarché : si une seule caisse est ouverte pour 10 clients, il y aura forcément un ralentissement. Si 10 caisses sont ouvertes, chaque client pourra payer en même temps. De la même manière, un système de stockage capable de supporter 10 charges de travail différentes et de les exécuter simultanément fonctionnera 10 fois plus rapidement. Contrairement à la plupart des systèmes qui sont adaptés à des types de charges bien spécifiques et extrêmement spécialisées, FlashBlade a été entièrement conçue pour supporter chaque charge de façon optimale, procurant aux clients un immense avantage concurrentiel. »
Zenuity, coentreprise née d’une collaboration entre Volvo Cars et le fabricant mondial d’airbags Autoliv, a choisi les systèmes FlashBlade et NVIDIA DGX-1 comme bases de l’architecture de son projet de machine learning pour la mise en circulation des véhicules autonomes les plus sûrs d’ici à 2021. Chaque véhicule est équipé de capteurs de type LIDAR et de caméras afin d’évoluer en toute sécurité dans son environnement. Des millions d'images recueillies depuis ces véhicules servent à enrichir de puissants réseaux neuraux, qui sont ensuite exploités pour alimenter le logiciel utilisé par l’ensemble du parc de véhicules autonomes de Zenuity.
« FlashBlade offre toute l’évolutivité et les performances nécessaires pour un projet de machine learning d’une telle envergure », souligne Samuel Scheidegger, chercheur en machine learning chez Zenuity. « Grâce à son évolutivité linéaire, FlashBlade permetà Zenuity d’étendre sa plate-forme de machine learning en y injectant une puissance de calcul adaptée aux besoins de demain. »
FlashBlade a également été retenu pour alimenter l’un des plus puissants supercalculateurs d’IA au monde dans une entreprise cloud présente sur le Web. Le moteur absorbe d’immenses quantités de données utilisateur non structurées, puis utilise FlashBlade pour créer une plate-forme ultraperformante dédiée non seulement à l’amélioration de la sécurité des utilisateurs au travers de l’analyse textuelle, de la reconnaissance des visages, des publicités ciblées et de l’analyse prédictive, mais également à la conception d’applications d’intelligence artificielle visant à renforcer l’efficacité globale du système.
Le centre AMPLab de l’université de Californie (Berkeley) a mis au point l’innovant moteur d’analyse en temps réel Apache Spark, outil d’analyse le plus rapide et le plus moderne du monde entier. Le département génomique de l’université a ensuite déployé Apache Spark en complément de FlashBlade afin d’accélérer ses avancées dans le domaine du séquençage génomique.
« La médecine d’aujourd’hui fonctionne beaucoup sur le principe de l’expérimentation. FlashBlade offre une plate-forme de données qui nous permet d’analyser la composition génétique de tout être humain et de fabriquer des médicaments plus précis et mieux adaptés à chaque individu », indique le professeur Anthony D. Joseph, membre éminent du centre de biologie computationnelle (CCB) de l’université de Californie à Berkeley. « Notre but est de dispenser aux patients des soins et des traitements personnalisés, en temps quasi-réel, compte tenu de leur particularité génétique. Avec cette approche, les traitements médicaux sont amenés à être optimisés, les soins et la rééducation post-opératoire à s’améliorer, et à termes la facture pour les patients à s’alléger. Avec FlashBlade, nous sommes en mesure d’utiliser SPARK pour séquencer le génome d’un patient et croiser ces informations avec toutes les bactéries et tous les défauts génomiques connus à une rapidité totalement impensable auparavant. »
Man AHL, société londonienne pionnière dans le domaine de l’investissement quantitatif, utilise également Apache Spark en complément de FlashBlade pour créer et exécuter des modèles informatiques capables de prendre des décisions en matière d'investissement. FlashBlade lui apporte toute la puissance de stockage et l’évolutivité nécessaires pour prendre en charge ses applications de simulation les plus exigeantes.
« FlashBlade a permis à nos chercheurs d’améliorer grandement l’utilisabilité et les performances de Spark dans le cadre de l’exécution de simulations », souligne Gary Collier, co-directeur des technologies de l’information chez Man AHL. « Nous avons observé un débit 10 à 20 fois plus élevé pour les charges applicatives Spark, ce qui peut véritablement changer la donne et nous procurer un avantage certain en termes de délai de commercialisation. »
Pure Storage a également choisi d’articuler sa plate-forme technologique interne autour de l’intelligence artificielle et de l’utilisation de FlashBlade : Pure1 META fournit des informations prédictives à l’échelle mondiale en recueillant et en analysant chaque jour plus de mille milliards de points de télémesure. Avec META, Pure Storage a déployé une intelligence artificielle qui aide les clients à anticiper et identifier les problèmes potentiels au niveau du système ou de la charge de travail avant qu'ils ne se produisent, pour améliorer les opérations et l’expérience de l’utilisateur final.
« L’intelligence artificielle et les autres charges de travail émergentes sont en train de révolutionner les opérations commerciales et l’engagement client », précise Eric Burgener, directeur de recherche dans le domaine du stockage pour IDC. « Depuis des années, les anciens systèmes de stockage, lents, complexes et incapables de faire face au volume de données et à la rapidité des charges de travail modernes, font obstacle aux idées et innovations de nouvelle génération. Grâce à des systèmes sur mesure comme FlashBlade, l’infrastructure de stockage n’est plus perçue comme un frein pour les clients qui cherchent à exploiter pleinement l’analyse de données pour faire prospérer leur activité. »
Les données sont au cœur de la révolution analytique moderne. De grandes quantités de données doivent être distribuées sur des processeurs parallèles (par exemple sur des processeurs graphiques et multi-cœur), à des vitesses extrêmement rapides pour venir enrichir plus rapidement et précisément les algorithmes de machine learning et d’analyse. Aujourd’hui, le machine learning est essentiellement produit par des spécialistes de l’hyper-convergence et de grandes entreprises Web, mais a récemment suscité un attrait auprès de nombreux secteurs d’activité, par exemple dans le secteur automobile, où la bataille autour du lancement des premiers véhicules autonomes fait rage. Les organismes financiers, quant à eux, misent sur l’intelligence artificielle et sur le machine learning pour automatiser les transactions, comprendre le risque de crédit et le gérer. Dans le monde de la recherche médicale enfin, l’analyse d’images IRM aide les professionnels à établir leur diagnostic clinique en révélant dans les tumeurs cérébrales les marqueurs génétiques qui ne sont pas visibles à l’œil nu. Optimisée pour tout type de charge de travail non structurée, la solution FlashBlade aide les entreprises les plus innovantes à gérer plus rapidement que jamais les charges de travail émergentes et modernes.
« FlashBlade fonctionne entièrement sur la base du parallélisme, qui imite le cerveau humain et permet d’exécuter plusieurs requêtes ou tâches simultanément », explique Laurent Martini, Country Manager France de Pure Storage. « Les baies de stockage sont comparables à des caisses de supermarché : si une seule caisse est ouverte pour 10 clients, il y aura forcément un ralentissement. Si 10 caisses sont ouvertes, chaque client pourra payer en même temps. De la même manière, un système de stockage capable de supporter 10 charges de travail différentes et de les exécuter simultanément fonctionnera 10 fois plus rapidement. Contrairement à la plupart des systèmes qui sont adaptés à des types de charges bien spécifiques et extrêmement spécialisées, FlashBlade a été entièrement conçue pour supporter chaque charge de façon optimale, procurant aux clients un immense avantage concurrentiel. »
Zenuity, coentreprise née d’une collaboration entre Volvo Cars et le fabricant mondial d’airbags Autoliv, a choisi les systèmes FlashBlade et NVIDIA DGX-1 comme bases de l’architecture de son projet de machine learning pour la mise en circulation des véhicules autonomes les plus sûrs d’ici à 2021. Chaque véhicule est équipé de capteurs de type LIDAR et de caméras afin d’évoluer en toute sécurité dans son environnement. Des millions d'images recueillies depuis ces véhicules servent à enrichir de puissants réseaux neuraux, qui sont ensuite exploités pour alimenter le logiciel utilisé par l’ensemble du parc de véhicules autonomes de Zenuity.
« FlashBlade offre toute l’évolutivité et les performances nécessaires pour un projet de machine learning d’une telle envergure », souligne Samuel Scheidegger, chercheur en machine learning chez Zenuity. « Grâce à son évolutivité linéaire, FlashBlade permetà Zenuity d’étendre sa plate-forme de machine learning en y injectant une puissance de calcul adaptée aux besoins de demain. »
FlashBlade a également été retenu pour alimenter l’un des plus puissants supercalculateurs d’IA au monde dans une entreprise cloud présente sur le Web. Le moteur absorbe d’immenses quantités de données utilisateur non structurées, puis utilise FlashBlade pour créer une plate-forme ultraperformante dédiée non seulement à l’amélioration de la sécurité des utilisateurs au travers de l’analyse textuelle, de la reconnaissance des visages, des publicités ciblées et de l’analyse prédictive, mais également à la conception d’applications d’intelligence artificielle visant à renforcer l’efficacité globale du système.
Le centre AMPLab de l’université de Californie (Berkeley) a mis au point l’innovant moteur d’analyse en temps réel Apache Spark, outil d’analyse le plus rapide et le plus moderne du monde entier. Le département génomique de l’université a ensuite déployé Apache Spark en complément de FlashBlade afin d’accélérer ses avancées dans le domaine du séquençage génomique.
« La médecine d’aujourd’hui fonctionne beaucoup sur le principe de l’expérimentation. FlashBlade offre une plate-forme de données qui nous permet d’analyser la composition génétique de tout être humain et de fabriquer des médicaments plus précis et mieux adaptés à chaque individu », indique le professeur Anthony D. Joseph, membre éminent du centre de biologie computationnelle (CCB) de l’université de Californie à Berkeley. « Notre but est de dispenser aux patients des soins et des traitements personnalisés, en temps quasi-réel, compte tenu de leur particularité génétique. Avec cette approche, les traitements médicaux sont amenés à être optimisés, les soins et la rééducation post-opératoire à s’améliorer, et à termes la facture pour les patients à s’alléger. Avec FlashBlade, nous sommes en mesure d’utiliser SPARK pour séquencer le génome d’un patient et croiser ces informations avec toutes les bactéries et tous les défauts génomiques connus à une rapidité totalement impensable auparavant. »
Man AHL, société londonienne pionnière dans le domaine de l’investissement quantitatif, utilise également Apache Spark en complément de FlashBlade pour créer et exécuter des modèles informatiques capables de prendre des décisions en matière d'investissement. FlashBlade lui apporte toute la puissance de stockage et l’évolutivité nécessaires pour prendre en charge ses applications de simulation les plus exigeantes.
« FlashBlade a permis à nos chercheurs d’améliorer grandement l’utilisabilité et les performances de Spark dans le cadre de l’exécution de simulations », souligne Gary Collier, co-directeur des technologies de l’information chez Man AHL. « Nous avons observé un débit 10 à 20 fois plus élevé pour les charges applicatives Spark, ce qui peut véritablement changer la donne et nous procurer un avantage certain en termes de délai de commercialisation. »
Pure Storage a également choisi d’articuler sa plate-forme technologique interne autour de l’intelligence artificielle et de l’utilisation de FlashBlade : Pure1 META fournit des informations prédictives à l’échelle mondiale en recueillant et en analysant chaque jour plus de mille milliards de points de télémesure. Avec META, Pure Storage a déployé une intelligence artificielle qui aide les clients à anticiper et identifier les problèmes potentiels au niveau du système ou de la charge de travail avant qu'ils ne se produisent, pour améliorer les opérations et l’expérience de l’utilisateur final.
« L’intelligence artificielle et les autres charges de travail émergentes sont en train de révolutionner les opérations commerciales et l’engagement client », précise Eric Burgener, directeur de recherche dans le domaine du stockage pour IDC. « Depuis des années, les anciens systèmes de stockage, lents, complexes et incapables de faire face au volume de données et à la rapidité des charges de travail modernes, font obstacle aux idées et innovations de nouvelle génération. Grâce à des systèmes sur mesure comme FlashBlade, l’infrastructure de stockage n’est plus perçue comme un frein pour les clients qui cherchent à exploiter pleinement l’analyse de données pour faire prospérer leur activité. »