Публикации
2023 г. – новый этап практического применения CXL, статья
VMware сдвигает акцент в проекте Capitola на CXL, статья
Dell Validated Design for Analytics — Data Lakehouse: интегрированное хранилище данных, статья
OCP Global Summit: решения для Computational Storage и компонуемых масштабируемых архитектур, статья
Samsung CXL MemoryySemantic SSD: 20M IOPs, статья
UCIe – открытый протокол для взаимосвязи чиплетов и построения дезагрегированных инфраструктур, статья
Omni-Path Express – открытый интерконнект для экзафлопных HPC/AI-систем, статья
GigaIO: CDI_решение на базе AMD для высшего образования, статья
Энергоэффективные ЦОД на примерах решений Supermicro, Lenovo, Iceotope, Meta, статья
От хранилищ данных и “озер данных” к open data lakehouse и фабрике данных, статья
EuroHPC JU развивает НРС-экосистему на базе RISC-V, статья
LightOS™ 2.2 – программно-определяемое составное блочное NVMe/TCP хранилище, статья
End-to-end 64G FC NAFA, статья
Computational Storage, статья
Технология KIOXIA Software-Enabled Flash™, статья
Pavilion: 200 млн IOPS на стойку, статья
CXL 2.0: инновации в операциях Load/Store вводаавывода, статья
Тестирование референсной архитектуры Weka AI на базе NVIDIA DGX A100, статья
Fujitsu ETERNUS CS8000 – единая масштабируемая платформа для резервного копирования и архивирования, статья
SmartNIC – новый уровень инфраструктурной обработки, статья
Ethernet SSD, JBOF, EBOF и дезагрегированные хранилища, статья
Compute, Memory и Storage, статья
Lenovo: CXL – будущее серверов с многоуровневой памятью , статья
Liqid: компонуемые дезагрегированные инфраструктуры для HPC и AI, статья
Intel® Agilex™ FPGA, статья
Weka для AI-трансформации, статья
Cloudera Data Platform – “лучшее из двух миров”, статья
Fujitsu ETERNUS DSP - разработано для будущего, статья
Технологии охлаждения для следующего поколения HPC-решений, статья
Что такое современный HBA?, статья
Fugaku– самый быстрый суперкомпьютер в мире, статья
НРС – эпоха революционных изменений, статья
Новое поколение СХД Fujitsu ETERNUS, статья
Зональное хранение данных, статья
За пределами суперкомпьютеров, статья
Применение Intel® Optane™ DC и Intel® FPGA PAC, статья
Адаптивные HPC/AI-архитектуры для экзаскейл-эры, статья
DAOS: СХД для HPC/BigData/AI приложений в эру экзаскейл_вычислений, статья
IPsec в пост-квантовую эру, статья
LiCO: оркестрация гибридныхНРС/AI/BigData_инфраструктур, статья
 
Обзоры
Все обзоры в Storage News
 
Тематические публикации
Flash-память
Облачные вычисления/сервисы
Специализ. СХД для BI-хранилищ, аналитика "больших данных", интеграция данных
Современные СХД
Информационная безопасность (ИБ), борьба с мошенничеством
Рынки
Российская академия наук и корпорация EMC рассказали о будущем диагностики онкологических заболеваний

18, декабрь 2014  —  Лаборатория Алгоритмической Биологии Академического Университета Российской академии наук (РАН) и Центр исследований и разработок EMC по облачным вычислениям и большим данным(НИЦ EMC) поделились первыми результатами совместного проекта,который направлен на упрощение диагностики онкологических заболеванийпри помощиРНК-секвенирования.

В рамках проекта в лаборатории был разработан сборщик данных секвенирования РНК rnaSPAdes, который при объединении с программой ENOSI должен облегчить поиск мутаций и гибридных генов. Специалисты ожидают, что технология позволит увеличить точность результатов, получаемых в ходе эксперимента, а значит быстрее находить гибридный ген или мутацию, которая является причиной развития онкологических заболеваний. Так как при таком подходе необходимо обрабатывать большие объемы данных секвенирования РНК и масс-спектрометрии белков, в НИЦ ЕМС было решено создать облачную платформу, которая позволила бы эффективно хранить данные и производить их анализ.

«Генетические данные требуют огромныхемкостей для хранения –один только референсный геном одного человека занимает 3Гб. Данные секвенирования, полученные в результате эксперимента, могут занимать от 10 до сотни гигабайт в зависимости от его сложности.Облачная инфраструктура для хранения генетических данных и выполнения биоинформатических вычислений, созданная экспертами НИЦ ЕМС, позволит нам обрабатывать, анализировать и структурированно хранить полученные данные от сотен экспериментов одновременно, что значительно облегчит работу учёных по выявлению гибридных генов»,–отметил Андрей Пржибельский, научный сотрудник Лаборатории Алгоритмической Биологии Академического Университета РАН.

Технологии, разрабатываемые в Научно-исследовательском центре ЕМС, предназначены для использования в узкоспециализированных отраслях, таких как медицина. Недавно эксперты ЕМС представили новое решение – платформуCranberry, котораяобеспечивает безопасное структурированное хранение данных секвенирования вместе с их описаниями, что значительнооблегчает поиск нужной информации по сложным запросам и упрощает работу учёных.
Публикации по теме
Специализ. СХД для BI-хранилищ, аналитика "больших данных", интеграция данных
Рынки
 
Новости EMC

© "Storage News" journal, Russia&CIS
(495) 233-4935;
www.storagenews.ru; info@storagenews.ru.