オシエント、ハイパースケールデータウェアハウス機能を強化し、先進的な機械学習を実現

ビッグデータ、そして本当にビッグデータ—事実上、数兆のデータ行を想像してみてください。シカゴに本社を置くOcientは、最先端のハイパースケールデータウェアハウステクノロジーを駆使し、この分野の最前線に立っています。

本日、Ocientはハイパースケールデータプラットフォームの新機能を発表しました。特に地理空間データ分析と機械学習（ML）、人工知能（AI）に特化した機能です。新たに追加されたOcientGeo機能には、豊富な地理空間関数ライブラリとグローバルに最適化された空間インデックスが含まれています。これにより、企業は膨大な量の過去およびリアルタイムの地理空間データを効率的に取り込み、分析し、実行可能な洞察を得られます。また、統合されたMLツールにより、地理空間AIの取り組みがさらに加速されます。

Ocientは、最適化されたストレージと処理能力を活用し、GPUに依存せずハイパースケールデータの要求に応えています。「私たちの焦点はハイパースケールワークロードに置かれています。平均的なOcientのクエリ—SQL、機械学習、地理空間問わず—では、約1兆の要素を扱っています」とOcientのCEO、クリス・グラドウィンは述べています。

ハイパースケールデータ分析：GPUを超えてのフロー

多くの組織がGPUでパフォーマンスを最適化する中、Ocientは異なる戦略を採用しています。「私たちの成功の鍵は、驚異的な並列化レベルにあります」とグラドウィンは説明しました。「スタックの各層で100万を超える並列タスクが同時に動作していることは珍しくありません。」

Ocientのデータウェアハウス内でこの大規模な並列化を達成するために、フローを重視しています。クラスター分析、回帰、分類のための機械学習アルゴリズムにおいて、制限はCPUの計算処理からではなく、計算密度—特にデータ1テラバイトあたりの処理能力の必要性から生じることが多いとグラドウィンは指摘しました。

主な課題は、ストレージやメモリを含む計算スタック全体で十分なスループットを確保することです。これがOcientの技術革新の核心であり、同社はメモリと高速ソリッドステートドライブ（SSD）ストレージシステムを最適化することに特化しています。「私たちのエンジニアはGPUを評価していますが、私たちは単にそれを必要とする必要性に出会ったことがありません」とグラドウィンは述べました。

ハイパースケールの機械学習：OcientMLによる進化

Ocientのデータウェアハウスは最初、SQLデータクエリに集中していましたが、今では迅速な分析を実現する同じアーキテクチャ的利点がOcientMLとOcientGeoを支えています。グラドウィンは、OcientMLを使用すればクライアントが数十億から数兆のデータポイントを含むデータセットで機械学習を実行でき、他の選択肢と比べて優れた価格性能比を提供できると強調しました。ワークロード管理機能により、さまざまなハイパースケールのクエリや分析が公平にリソースを利用できる環境が整っています。さらに、OcientMLはOcientハイパースケールデータウェアハウスに統合されており、データを別のプラットフォームに抽出、変換、ロードする必要がありません。

OcientMLの利点には、過去および現在のデータとの完全な相互作用を通じてモデル精度が向上すること、不要なデータ移動を排除することで迅速なイテレーションが可能になること、SQLとMLを統一されたシステム内で管理することで業務がスムーズになることがあります。

OcientGeoも同様のアプローチを採用しており、Ocientハイパースケールデータウェアハウスに組み込まれています。OcientGeoを使用すれば、ユーザーは広範なデータセットに対して地理空間クエリや分析を直接Ocient環境内で実行でき、大規模なデータ抽出の必要がありません。この機能により、数兆のデータポイントを含む地理空間クエリを数秒で実行できます。

「私たちは、ハイパースケール分析の価格とパフォーマンスを十倍以上に向上させることによってのみ可能となる新しいアプリケーションを探り始めたばかりです」とグラドウィンは結論づけました。