The Doppler Quarterly (DEUTSCHE) Sommer 2016 | Page 80

Google verfolgt einen etwas anderen Ansatz für den
HPC-Markt als andere Cloud-Anbieter. Zusätzlich zur
Unterstützung von IaaS-Funktionen für Computer-
ressourcen bietet das Unternehmen erweiterte
maschinelle Lernfunktionen, die oft auch als HPC
bezeichnet werden. Dies ist in diesem Markt unge-
wöhnlich, da sich das maschinelle Lernen auf andere
Bereiche als HPC bezieht. Wir werden das Goog-
le-Spektrum in beiden Bereichen miteinander
vergleichen.
Während einige Kunden HPC-Workloads auf Google
ausführen, bietet Google für Aufgaben wie Produkt-
design, Rendering, Spezialeffekte und andere Model-
lierungsarbeiten in der physischen Welt nicht die
gleiche Bandbreite an Möglichkeiten wie andere
Anbie­
ter. Google verfügt über eine Reihe von
IaaS-Funktionen, wie Instanzen mit einer hohen
CPU-Anzahl, die für HPC-Workloads verwendet wer-
den können.
Google differenziert sich vom Markt durch die
erweiterten Rechenfunktionen, die das Unter­
nehmen rund um Machine Learning, das
maschinelle Lernen, anbietet. Machine Learning
wird üblicherweise von Anwendungen genutzt, die
an der Analyse menschlicher Interaktionen beteiligt
sind, wie dies bei sozialen Medien, Bildanalysen und
sozialen Einflüssen der Fall ist. Google bezeichnet
das Leistungsspektrum von Machine Learning auch
als HPC wegen der hochgradig skalierbaren Natur
ihrer Machine Learning-Implementierungen und
der speziellen Hardware, die das Unternehmen
einsetzt, um ein hohes Leistungsniveau zu
erreichen. Aus dem intensiven Machine Learning-
Aufwand, den Google betreibt, lassen sich zwei
zentrale Technologien ableiten:
• TensorFlow – TensorFlow besteht aus
Open-Source-Bibliotheken für die Analyse von
Datenflussgraphen. Google entwickelte dieses
Google Genomics unterstützt Workloads bei Genomanalysen, ein sehr
verbreiteter Anwendungsfall für HPC. Daraus resultiert im Vorfeld deutlich
weniger Aufwand für Konfiguration und Einrichtung als bei herkömmlichen
Tools.
78 | THE DOPPLER | SOMMER 2016