Seagate i Los Alamos współpracują nad opartą na weryfikacji koncepcji architekturą obliczeniową o wysokiej wydajności, która zapewnia zoptymalizowane możliwości obliczeniowe w obrębie urządzeń pamięci masowej. Architektura pozwala na przenoszenie funkcji obliczeniowych do warstwy dysku twardego z zakodowanym wymazywaniem. Architektura pozwoli na szybsze, wydajniejsze, mniej energochłonne i mniej wymagające termicznie odzyskiwanie danych.
„Przetwarzanie danych Near Data zawsze opierało się na wiedzy wystarczającej na temat danych, aby podjąć odpowiednie działania; jednak ta architektura jest pierwszym znanym przykładem przetwarzania na urządzenie, które nie wymaga ponownego tworzenia danych w instancjach całego zestawu danych przed wykonaniem obliczeń funkcji” — powiedział Ed Gage, wiceprezes Seagate Research Group. „Ta konstrukcja pozwala na wykonywanie obliczeń na zakodowanych danych, które często występują w architekturach pamięci masowej dysków twardych”.
„Celem tych wspólnych badań jest optymalizacja wydajności wysokowydajnej architektury obliczeniowej poprzez wykorzystanie zasobów obliczeniowych i pamięci obsługujących systemy pamięci masowej aż do poziomu dysku twardego” — powiedział Mike Moritzkat, dyrektor generalny i dyrektor zarządzający Seagate Government Solutions. „To z kolei obniża całkowity całkowity koszt posiadania przy pełnej optymalizacji zasobów”.
Dyski twarde są często wdrażane w elastycznych architekturach pamięci masowej z technikami kodowania wymazywania, które dzielą logiczne pliki danych lub obiekty na wiele niepowiązanych i rozproszonych „kawałków” danych na wielu dyskach. To bardzo utrudnia wykonywanie kontekstowych operacji obliczeniowych. Współpraca pomiędzy Seagate i Los Alamos ma na celu rozwiązanie tego problemu.
Badania naukowe w Los Alamos wymagają wysoce równoległej technologii dysków, która zapewnia setki petabajtów „ciepłej” pamięci do symulacji na dużą skalę. Technologia ta musi być chroniona przez dwa poziomy kodowania wymazywania, chroniące wrażliwe dane przed przypadkowymi i skorelowanymi awariami.
Współpraca wykaże, że potencjał wykorzystania możliwości przetwarzania bardzo blisko urządzeń dyskowych może znacznie zmniejszyć ilość danych, które należy odzyskać w ramach części analitycznej kampanii naukowej. Na przykład naukowcy mogą potrzebować śledzić tylko przód fali uderzeniowej przechodzącej przez materiał lub stan tylko kilku cząstek o wysokiej energii w długiej symulacji.
„Obietnicą tej pracy jest zademonstrowanie wymiernie szybszego wyszukiwania i wyszukiwania danych przy mniejszym zużyciu energii i generowaniu mniejszej ilości ciepła” — powiedział Gary Grider, lider działu High Performance Computing w Los Alamos. „Innym oczywistym celem jest zapewnienie tego szybszego i energooszczędnego rozwiązania w bardzo ekonomiczny sposób, dzięki czemu analiza ciepłych/zimnych danych na dysku będzie bardziej atrakcyjnym rozwiązaniem dla wszelkich danych chronionych przed wymazaniem na dużą skalę, czy to lokalnie, czy w Chmura.”