Katana Graph accélère l'analytique de graphes à grande échelle sur Intel Xeon 3e gen avec un doublement de vitesse

Katana Graph, une start-up d'analytique de graphes haute performance, a annoncé que son moteur phare Katana Graph Engine (KGE) a été entièrement optimisé pour les processeurs Xeon scalables de 3e génération d'Intel et la plateforme de mémoire persistante Optane qui l'accompagne. La mise à niveau offre une augmentation de vitesse proche du double pour les charges de travail graphiques sur le nouveau matériel tout en permettant le traitement de jeux de données plus grands sur des clusters plus petits.

Le KGE est un runtime distribué qui mélange CPUs et GPUs en une plateforme unique et cohérente. Il supporte l'analytique de graphes avancée, le pattern mining, et les requêtes sur des ensembles de données massifs et irréguliers – incluant des graphes de crawl web avec des milliards de sommets et des trillions d'arêtes. En tirant parti à la fois de la mise à l'échelle horizontale et de la mémoire à haute bande passante, le moteur peut analyser des graphes qui seraient infaisables sur une seule machine.

Développé sur plus d'une décennie de recherche par les co-fondateurs Chris Rossbach et Keshav Pingali, le moteur incorpore des techniques de pointe en partitionnement de graphes, équilibrage de charge conscient NUMA, et optimisation de noyaux GPU. Le partitionneur peut être personnalisé avec des politiques définies par l'utilisateur, tandis que le runtime de communication minimise la surcharge qui afflige typiquement les algorithmes de graphes distribués.

Pour les développeurs Python, le KGE expose des structures de données concurrentes hautement scalables – telles que des représentations de graphes thread-safe et des worklists – permettant un prototypage rapide sans sacrifier la performance. Le runtime gère automatiquement la distribution des données, la gestion de la mémoire, et la coordination inter-nœuds, libérant les data scientists pour se concentrer sur la conception d'algorithmes.

Avec les processeurs Xeon scalables de 3e génération, la plateforme de Katana Graph tire parti des dernières améliorations micro-architecturales, incluant des nombres de cœurs plus élevés, des hiérarchies de cache plus grandes, et Intel Deep Learning Boost. Lorsqu'associée à la mémoire persistante Optane, le système offre une augmentation dramique de la capacité DRAM effective, réduisant encore le besoin de clusters grands et coûteux.

« Notre moteur délivre maintenant jusqu'à deux fois la performance sur Xeon 3e gen Intel que sur la génération précédente, dès la sortie de la boîte », a déclaré Keshav Pingali, co-fondateur et CEO. « En travaillant étroitement avec Intel, nous avons débloqué de nouveaux niveaux d'efficacité que nos clients d'entreprise – couvrant la vente au détail, la finance, et la gestion d'identité – peuvent ressentir directement dans leurs analyses quotidiennes. »

Le Vice-Président et Directeur Général de la Performance Machine Learning d'Intel, Wei Li, a fait écho à l'enthousiasme : « Katana Graph a exploité l'architecture innovante du processeur Xeon scalable 3e gen, délivrant un boost révolutionnaire en performance d'analytique de graphes. Notre collaboration aidera les clients à relever les plus grands défis de données non structurées. »

Au-delà de la vitesse brute, la nouvelle optimisation réduit l'empreinte du cluster et les coûts opérationnels. La mission de Katana Graph est de donner aux organisations la pile logicielle de graphes la plus rapide et la plus rentable, les habilitant à extraire des insights actionnables de données non structurées et à accélérer la croissance commerciale.

Dans une étape récente, Katana Graph a levé 28,5 millions de dollars dans un tour de série A mené par Intel Capital, avec la participation de WRVI Capital, Nepenthe Capital, Dell Technologies Capital, et Redline Capital. Le financement souligne l'appétit du marché pour les solutions de graphes haute performance à travers des secteurs tels que la pharmacie, la fintech, l'identité, et la cybersécurité.

Fondée en 2020 par des professeurs de l'Université du Texas à Austin, l'entreprise combine rigueur académique et expertise commerciale. Son effectif de direction inclut Farshid Sabet, ancien GM de Edge AI chez Intel, et des conseillers au conseil tels que le fondateur d'Infosys N. R. Narayana Murthy et la dirigeante Cisco-P&G Amy Chang.

La proposition de valeur unique de Katana Graph réside dans sa capacité à gérer des données non structurées massives, supporter le pattern mining complexe, et délivrer une performance supérieure pour l'IA et l'analytique de graphes sur des clusters hétérogènes – incluant CPUs x86, CPUs Arm, GPUs, et autres accélérateurs.