Katana Graph Mempercepat Analitik Graf Skala Besar pada Intel Xeon Generasi 3 dengan Peningkatan Kecepatan Ganda
Katana Graph, startup analitik graf berkinerja tinggi, telah mengumumkan bahwa mesin intinya Katana Graph Engine (KGE) telah sepenuhnya dioptimalkan untuk prosesor skalabel Xeon generasi 3 Intel dan platform memori persistens Optane yang menyertainya. Pengalihan memberikan peningkatan kecepatan hampir dua kali untuk beban kerja graf pada hardware baru sambil memungkinkan kumpulan data yang lebih besar diproses pada kluster yang lebih kecil.
KGE adalah runtime terdistribusi yang menggabungkan CPU dan GPU menjadi satu platform yang kohesif. Ini mendukung analitik graf lanjutan, penambangan pola, dan kueri pada kumpulan data tak teratur yang masif—termasuk graf crawl web dengan miliar vertex dan triliunan edge. Dengan memanfaatkan skalabilitas horizontal dan memori bandwidth tinggi, mesin dapat menganalisis graf yang akan tidak dapat dilakukan pada satu mesin.
Dikembangkan selama lebih dari satu dekade penelitian oleh pendiri bersama Chris Rossbach dan Keshav Pingali, mesin ini menggabungkan teknik canggih dalam partisi graf, pembagian beban NUMA-aware, dan optimisasi kernel GPU. Partisi dapat disesuaikan dengan kebijakan yang ditentukan pengguna, sementara runtime komunikasi meminimalkan overhead yang biasanya menyusuri algoritma graf terdistribusi.
Untuk pengembang Python, KGE mengekspos struktur data konkuren yang sangat skalabel—seperti representasi graf yang aman thread dan daftar kerja—yang memungkinkan prototiping cepat tanpa mengorbankan kinerja. Runtime secara otomatis menangani distribusi data, manajemen memori, dan koordinasi lintas node, membebaskan ilmuwan data untuk fokus pada desain algoritma.
Dengan prosesor skalabel Xeon generasi 3, platform Katana Graph mengambil keuntungan dari perbaikan mikro-arkitektur terbaru, termasuk jumlah inti yang lebih tinggi, hierarki cache yang lebih besar, dan Intel Deep Learning Boost. Saat dipadukan dengan memori persistens Optane, sistem menawarkan peningkatan dramatis dalam kapasitas DRAM efektif, mengurangi lebih lanjut kebutuhan akan kluster besar yang mahal.
"Mesin kami kini memberikan hingga dua kali kinerja pada Xeon generasi 3 Intel dibandingkan dengan generasi sebelumnya, langsung dari kotak," ujar Keshav Pingali, pendiri bersama dan CEO. "Dengan bekerja erat dengan Intel, kami telah membuka tingkat efisiensi baru yang pelanggan perusahaan kami—meluas dari ritail, keuangan, dan manajemen identitas—dapat merasakan langsung dalam analitik harian mereka."
Wei Li, Vice President dan General Manager Machine Learning Performance Intel, mengecho antusias: "Katana Graph telah memanfaatkan arsitektur inovatif prosesor skalabel Xeon generasi 3, memberikan peningkatan yang mengubah permainan dalam kinerja analitik graf. Kolaborasi kami akan membantu pelanggan mengatasi tantangan data terstruktur terbesar."
Di luar kecepatan mentah, pengoptimalan baru mengurangi jejak kluster dan biaya operasional. Misi Katana Graph adalah memberikan organisasi tumpukan perangkat lunak graf yang paling cepat dan paling hemat biaya, memberdaya mereka untuk mengekstrak wawasan yang dapat ditindaklanjuti dari data tak terstruktur dan mempercepat pertumbuhan bisnis.
Dalam tonggak terbaru, Katana Graph mengumpulkan $28,5 juta dalam putaran Series A dipimpin oleh Intel Capital, dengan partisipasi dari WRVI Capital, Nepenthe Capital, Dell Technologies Capital, dan Redline Capital. Pendanaan ini mengunderscore nafsi pasar untuk solusi graf berkinerja tinggi di seluruh sektor seperti farmasi, fintech, identitas, dan keamanan siber.
Didirikan pada 2020 oleh profesor dari University of Texas at Austin, perusahaan menggabungkan ketelitian akademis dengan keahlian komersial. Daftar pemimpinnya mencakup Farshid Sabet, mantan GM Edge AI di Intel, dan penasihat dewan seperti pendiri Infosys N. R. Narayana Murthy dan executive Cisco-P&G Amy Chang.
Nilai tambah unik Katana Graph terletak pada kemampuannya untuk menangani data tak terstruktur masif, mendukung penambangan pola kompleks, dan memberikan kinerja unggulan untuk analitik dan AI graf pada kluster heterogen—termasuk CPU x86, CPU Arm, GPU, dan akselerator lain.
