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