Il database GPU di Kinetica per la real time analytics
Kinetica nasce come progetto della difesa americana, per risolvere un problema critico: come individuare e tracciare le minacce alla sicurezza nazionale in tempo reale, analizzando un enorme flusso di informazioni in tempo reale? I dati da analizzare comprendevano informazioni strutturate e non strutturate, dati di localizzazione, flussi di messaggi, database a grafo… E ogni fonte aggiunta aggiunge problemi che devono essere risolti con funzioni specifiche.
La soluzione individuata prevede di eseguire i database direttamente nelle GPU, sfruttando le massicce capacità di calcolo parallelo e la velocità della memoria di questi componenti per ottenere analisi direttamente utilizzabili, con la possibilità di fare drill-down in tempo reale.
Con la digitalizzazione sempre più spinta, questo tipo di problema non è più esclusivo della Difesa nazionale, ma viene oggi affrontato dal retail, dal marketing digitale, dal settore finanziario, dalle aziende di telecomunicazioni, dal settore automobilistico per la guida autonoma e in molti altri settori.
Ecco quindi che Kinetica è diventata una startup, anche se con un percorso un po’ particolare: invece di cominciare dal mercato mid-market per poi scalare verso i clienti enterprise, è partita dal cliente più grande di tutti, il governo USA, per adattare la sua soluzione al business.
Applicazioni pratiche della Active Analytics di Kinetica
La soluzione di Active Analytics di Kinetica permette non solo di rendere l’analisi più veloci, ma abilita applicazioni che fino a ora non erano proprio possibili, come per esempio la valutazione del rischio fatta in tempo reale e non giornalmente, come avviene in molti istituti di credito.
Daniel Raskin, CMO di Kinetica.
Un’altro esempio è la possibilità di rilasciare un coupon di sconto alla cassa di un negozio, nel giro di dieci secondi dal pagamento, che tenga conto non solo dell’ultimo acquisto ma dell’intera storia del cliente. Sempre nel retail, l’Active Analytics permette di valutare gli stock di giacenza in negozio immediatamente e non a fine giornata, consentendo un rifornimento nel giorno stesso o in quello successivo, invece di attendere uno o due giorni quando un prodotto sì è esaurito. O anche di spostare i prodotti da un punto vendita all’altro, individuando il percorso più efficace dei mezzi di trasporto.
Nel settore farmaceutico, dove la maggior parte delle sperimentazioni non ha successo e rallentano quindi il rilascio di un nuovo farmaco, permette di fare simulazioni che permettano di individuare le linee di ricerca che verosimilmente non produrranno risultati utili nelle fasi preliminari del progetto, riducendo quindi il time di market dei nuovi prodotti.
Nella fase di ricerca e sperimentazione delle auto a guida autonoma, è possibile arrivare più velocemente a fornire agli enti di certificazione i dati necessari al rilascio delle autorizzazioni, e in futuro sarà possibile eseguire in GPU gli algoritmi di IA direttamente nell’auto (edge IA), grazie a Nvidia Drive.
Kinetica: moduli e infrastruttura
Kinetica è una soluzione software che può essere installata su hardware on-premises o macchine virtuali con accelerazione GPU sui principali cloud provider. Si compone di un modulo di ingestione dei dati, che deve disporre di una adeguata banda di connessione, una parte di normalizzazione e gestione dello storage – che sposta automaticamente i dati richiesti tra i vari livelli di storage, dal più lento al più performante – una parte in cui vengono applicate le tecniche di Active Analytics che servono poi i dati alle applicazioni di IA/Analytics vere e proprie per l’elaborazione e la visualizzazione dei dati.
Irina Farooq, Chief Product Officer di Kinetica, illustra il ruolo del GPU database nel flusso dei dati.
L’azienda ha 140 dipendenti sparsi nel mondo (il 50% negli Stati Uniti). In Europa ha un ufficio a Londra e sta per aprire una sede in Germania. Sui mercati locali arriva principalmente attraverso la rete dei partner, che include produttori hardware (Nvidia in primis, ma anche IBM, DellEMC e HPE). Il modello di prezzo prevede un abbonamento parametrato sui terabyte di in-memory database.
