Exploration, analyse et stockage de données

Principaux éditeurs et applications d’analyse de données utilisant CUDA

* Accélération théorique par rapport à un système basé sur un CPU quad-core x64. Données calculées en interne par NVIDIA ou fournies par l’éditeur de l’application.

Autres logiciels d’analyse de données exploitant CUDA

• GPUMiner : exploration de données en parallèle avec les GPU NVIDIA, Fang et al, Université de Science et Technologie d’Hong Kong et Microsoft
• Article de présentation de GPUMiner
• Cmatch : logiciel rapide et précis d’alignement de données avec les GPU, Schatz, Trapnel, Université du Maryland
• Article de présentation de Cmatch
• Package R+GPU pour R, une solution open-source à succès pour l’analyse de statistiques

• Bases de données
• Article sur le spectre IEEE : «Pourquoi les processeurs graphiques vont transformer le traitement des bases de données», Blas et Kladeway, Oracle Corporation
• GPUQP : cotraitement des requêtes avec les GPU
• Recherche parallèle via les cartes graphiques, Kaldeway, Hagen, Blas, Sedlar, Oracle Corp
• Fonctions d’agrégation définies par l’utilisateur dans Oracle
• Données textuelles élargies dans Microsoft SQL
• Accélération de PostgreSQL avec CUDA
• Accélération matérielle dans les bases de données commerciales : étude de cas d’opérations spatiales , Bandi et al
• Analyse et exploration
• Accélération de l’analyse des gros blocs de données grâce aux GPU, Wu, Zhang, Hsu, HP Laboratories
• Accélération de K-Means grâce aux GPU compatibles avec CUDA
• Exploitation des technologies de processeurs graphiques pour accélérer l’exploration de données dans SAP NetWeaver BIA, Weyerhaeuser (SAP), Mindnich (SAP), Farber (SAP), Lehner (TU Dresden)
• Transformation algorithmique pour l’exploration temporelle de données avec les GPU, Sean Ponce, Virginia Tech
• Optimisation des clusters K- Means avec les processeurs graphiques
• Exploration textuelle accélérée par les GPU
• Calcul d’histogrammes avec CUDA
• Système de compilation et d’exécution pour activer via les GPU l’exploration de données applicatives
• Procédures de tri avec les GPU
• Conception d’algorithmes de tri efficaces pour les GPU multi-cœurs
• Bibliothèque QuickSort pour les GPU
• Procédure parallèle d'optimisation du tri avec un algorithme hybride
• Algorithme de tri rapide et flexible avec CUDA
• Procédure de tri sur les réseaux Bitonic avec CUDA
• Échantillon de code optimisé par les GPU
• GPUTeraSort : tri à hautes performances via les coprocesseurs graphiques pour la gestion de grosses bases de données
• Mappage et réductione/ Hadoop
• Mars : Framework Map-Reduce sur les GPU
• Framework Map-Reduce pour la programmation des GPU
• DisMaRC : Framework Map-Reduce distribué via CUDA
• MITHRA : exploitation de CUDA pour les clusters utilisant MapReduce
• Autre article sur MITHRA

• Autres solutions verticales Tesla
• Outils et bibliothèques de développement logiciel CUDA

MATLAB est une marque déposée de The MathWorks, Inc.

Jacket est une marque commerciale d’AccelerEyes