Wolfram 希望提供“计算无处不在”的新的个人云服务
Wolfram 公司是 Mathematica 和 Wolfram|Alpha 等以计算为中心的产品背后的软件公司。这个公司最近发布了一款新的个人云应用,它的目标用户是想要集中运算能力的公司。
企业私有云( Enterprise Private Cloud,EPC )以 Wolfram 公司扎实的 计算算法 和 产品 为基础,并把它们放到一个自包含的虚拟机中,这种虚拟机可以在 AWS 等公共云或在私有数据中心内部进行部署。而 Wolfram 公司过去已经在桌面或在他们的公共云里提供了这些技术。公司的战略总监 Conrad Wolfram 说 ,目标是“使计算在你的公司中无处不在。”
EPC 是指企业凭增强的功能私有化——使用公共的 Wolfram 云 ,把它打包起来以便在任何公司的基础设施或比如亚马逊的 EC2 等特定的架构上运行。我们不提供计算云服务,事实上是你可以在所有你的企业内提供计算云服务。这意味着所有的 Mathematica 11 计算和使用 Wolfram 语言 的快速应用开发现在都可以在你的公司中在服务器端进行,并且以云为基础。对于你选择的任何人来说,高水平的计算(例如,应用到你的私人数据)都应该是及时的、准备就绪的和安全的内部服务,并且具有广泛的接口方式,使得从首席执行官到程序员都可以直接进行部署,并且有即时的 API 可以去访问其他应用程序等。
EPC 在 CentOS 上运行,并且能够配置成单一的节点或多个节点的方式运行,它包括三个主要的 Wolfram 云接口:开发平台、在线数学软件 Mathematica 和编程实验室。数据科学家和开发者使用桌面或基于浏览器的 开发平台 IDE 去构建基于 Wolfram 语言的应用程序,并将它们部署为 Web 应用程序或 Web 服务。Mathematica 是一套成熟的、标准的计算程序,可用于数据分析、高等数学、图像计算等等许多领域。 编程实验室 的目的是帮助人们学习Wolfram 语言。
InfoQ 联系了 Wolfram 公司以深入了解 EPC,并与 Wolfram 欧洲研发中心技术交流和战略总监 Jon McLoone 进行了交流。McLoone 指出,使用 Mathematica 之类的工具编写计算程序是有非常重大意义的。但一直以来,使用这些程序的人也是运行 Mathematica 的人。这使得计算不能被看作是企业内的战略性努力,而是把它降格为一门细分学科。在 McLoone 看来,Wolfram 云和 WolframEPC 正是为了让整个组织的运算变得更加容易,并且将计算的地位提高到第一级的企业战略资产。在 他的博客 中,Conrad Wolfram 回应了这一点:
直到最近,高层次的计算设施都还只能被大多数组织里的少数专家使用。如果你不是他们中的一员,你真的只能有三个选项:使用自己的基础计算工具(如 Excel)、使用预先定制好的公共的计算资源、或请求专家来帮你定制一些东西或者给你一个一次性的答案。
当数据分析在组织中成为一种专门的功能时,使用桌面软件——特别是使用我们的桌面软件——就可以匹配得很好。但是现在的数据分析是一个企业需要大家共同承担的问题;你需要将它和一个共享的企业计算解决方案匹配起来——从 EPC 开始。只有用一个企业模型,而不是用个人的桌面,就可以解决数据分析的失败之处。
推动 Wolfram 公司决定研发私人云的原因很多。根据 McLoone 的说法,为计算提供一个“在防火墙后面”的选项,可以使其更容易地连接到现存的本地数据源,接入标准权限系统,并且给私人基础设施带来公共云部署的好处。为了连接到企业数据库,EPC 提供了一系列的 关系型数据库连接 。如果 Wolfram 公司用户是在 Eclipse 集成环境下工作,他们可以利用一些他们现有的源代码管理和软件交付工具。根据对 Wolfram 公司 公共云和私有云产品的比较结果 ,私有云独特之处在于可以让客户管理用户、使用预热的 API 和引擎组件、配置计划任务,并生成可共享的报告。Conrad Wolfram 认为,这种集成的云平台可以帮助企业提供比他们自己拥有一套最佳的单个组件还要好的计算方式:
我还想指出的关键点是,我相信我们的技术是唯一适合这种集中式计算服务模型的:我们是一个统一的、一体化的系统,而并不是为完成不同的任务而结合在一起的不同系统的集合。我们已经把所有的计算领域和功能统一到一个高层次的、一致的 Wolfram 语言之中。我们正在实现完全互联。在一个基于云的服务中,很多不同的系统意味着大量的独立的“计算服务器”在做不同的东西——统计、报告、建模等——这造成了巨大的切换损耗。一旦你拥有了它们,让它们在一起为一个给定的任务或工作流程运行。不同的系统对于广泛的、基于计算的生产力是真正的杀手。
运行一个 WolframEBC 虚拟机实例至少需要 8 核 CPU、16GB 内存和 150GB 的存储空间。亚马逊 EC2、VMware、VirtualBox 和 KVM 都支持它。
查看英文原文 : Wolfram Wants to Deliver “Computation Everywhere” with New Private Cloud
更多内容推荐
-
Samsung 收购云提供商 Joyent
Samsung收购了Joyent,这家公有云提供商对自己的定位是容器-原生云平台。本次收购让三星直接进入了云计算领域,他们可以借此构建一个完整统一的后端平台,为面向客户的设备提供支持。对于双方而言,最具吸引力的可能是在物联网领域提供端到端体验的能力。
-
IBM、Databricks 和 GraphLab 提出了用于建立预测应用程序的统一接口笔记本(Notebooks )
在巴塞罗那StrataHadoop会议最后一周,在IBM新兴互联网技术组织的副总裁罗德•史密斯介绍其正在开发的一款内部产品,它集成了数据源和数据分析以提供客户的咨询工作。
-
PayPal 高可用在线 AI 计算平台
演讲嘉宾张军,PayPal风控高级研发经理内容介绍PayPal高可用AI 计算平台(Unified AI Compute Platform)主要用于服务PayPal 在线海量实时AI模型和特征数据计算。该平台的主要服务于金融在线支付和支付风控场景,最大的挑战在于如何在有限的交易时延保障的同时确保平台服务的高可用和高吞吐。 本主题首先从介绍平台的系统架构和技术体系开始;进而详细介绍平台如何灵活高效的支持各种复杂特征计算、传统与深度模型计算,如何做到特征模型的热部署等;此外,对于深度学习模型在线计算的应用以及平台的系统调优也会有重点篇幅介绍。内容大纲 AI计算平台系统架构和技术体系 统一高效的特征计算、模型计算平台以及特征模型的热部署 性能调优方面的最佳实践 深度学习模型的应用和挑战
2018 年 12 月 18 日
-
云上大数据:云计算遇上大数据,为什么堪称天作之合?
云上大数据服务的出现和发展,使得在云上存储、处理和查询大数据变得简单而高效,也把云计算的计算存储分离特性体现得淋漓尽致。
2020 年 4 月 1 日
-
大咖对话 | 陈天石:AI 芯片需要技术和资本的双重密集支撑
寒武纪作为国产 AI 芯片创业领域的头部独角兽,如何在巨头涌入芯片赛道后继续保持“独立”?我国芯片产业的前景何在?芯片产业当下的挑战和未来的发展趋势又是什么?
2019 年 3 月 8 日
-
思科和微软整合了他们的 Kubernetes 容器平台
思科系统有限公司(Cisco Systems Inc.)正在和微软合作,以使企业更容易地在企业内部(on-premises)和Azure云上运行容器化的Kubernetes应用程序。
-
谷歌准备收购 API 管理公司 Apigee
谷歌准备以6.35亿美金的价格收购API管理公司Apigee。
-
应用托管服务:Web 应用怎样在云上安家?
能不能有一个平台服务,来帮我们解决所有的基础架构问题,让我们只需要专注于应用构建本身?这就是云上应用托管PaaS服务。
2020 年 3 月 27 日
-
架构师训练营第 1 期 - 第 13 周学习总结
本周学习了大数据计算引擎Spark、流处理计算、大数据基准测试工具、大数据分析与可视化、网页排名算法PageRank、分类和聚类算法、推荐引擎算法、机器学习与神经网络算法
2020 年 12 月 20 日
-
第十三周 作业 1
PageRank 计算
2020 年 12 月 20 日
-
Amazon QuickSight 更新 – 地理空间可视化、私有 VPC 访问及其他
在 AWS,我们通常不看重或庆祝周年纪念日。
-
Domino:数据科学即服务
"Domino"是一个PaaS(平台即服务)云计算平台,人们可以使用Python或R语言在这个云平台上做数据分析工作。Domino让数据科学家只需专注于自己的分析工作,而不用关注软硬件基础设施。Domino功能强大,应用广泛,入门门槛较低。
-
Serverless“革命”为什么已停滞不前?
传统服务器已死?完全不会。本文对此做了解答。虽然无服务器模型在特定场景下发挥了巨大效用,但在被更广泛采用的道路上依然存在着四个方面的问题。
-
万台集群性能优化方法:MaxCompute 性能优化实践
演讲嘉宾 路璐,阿里巴巴计算平台事业部技术专家。 MaxCompute是阿里巴巴自主研发的一站式大数据处理平台,承担着阿里巴巴集团99%的存储和95%的计算。 MaxCompute平台机器规模达到十万级,数据规模达到EB级,每天有超过300万个作业在MaxCompute平台上运行。因此对MaxCompute平台进行性能优化是一项巨大的挑战,也关系到巨大的成本收益。 本次演讲将介绍MaxCompute如何通过一系列性能分析工具和数据分析方法诊断大规模集群的性能问题,并通过一些具体实例向大家介绍MaxCompute在性能优化方面的经验。
评论