Introducción a Cognitive Systems, los nuevos servidores POWER

By | 3 minute read | febrero 19, 2020

Buenos días, gracias por su interés en este artículo, que es el primero de una serie en la que iremos profundizando diferentes temas relacionados con infraestructura de servidores. Comenzamos con algunas definiciones y una breve introducción.

Cognitive Systems es el nuevo nombre para la marca de IBM para servidores con tecnología POWER. Es decir, tienen procesador POWER y son equipos POWER pero ahora los llamamos “Cognitive Systems”.

Dentro de este grupo de servidores hay diferentes modelos de máquinas para diferentes tipos de cargas de trabajo y con diferentes tamaños. Hay tres grupos de “tamaños”: “scale-out” o de rango de entrada, “mid-range” o de rango medio, y “high-end” o de rango alto o “clase corporativa”.

Además, los servidores Cognitive Systems se pueden clasificar en diferentes tipos de cargas de trabajo, y éstas están fuertemente relacionadas con el sistema operativo. De esta forma están los System i y los AIX, que pertenecen al grupo de “cargas tradicionales”. Estas cargas tienen sus propias necesidades y dinámicas de modernización. Por eso también las llamamos “Modernización de la base”.

También hay servidores Linux orientados a cargas SAP HANA, que tienen el mismo nivel de rendimiento y confiabilidad que las cargas tradicionales, pero con un sistema operativo Linux, y certificado para HANA (y S4 HANA), con niveles de rendimiento muy superiores a otras tecnologías.

El último grupo se llama “Cognitive Infrastructure”, que está específicamente diseñado para cargas de Inteligencia Artificial, Big Data y sus derivados.

En resumen:

  • Cognitive Systems es el nuevo nombre de la línea de servidores POWER.
  • Cognitive Systems es una familia de servidores que se clasifican en 3 tamaños y 3 tipos de cargas de trabajo:
    • High-end, mid-range y scale-out
    • Cargas tradicionales (System i, AIX), SAP HANA y Cognitive Infrastructure
  • Cognitive Infrastructure (CI) es el grupo de servidores scale-out específicamente diseñado para la Inteligencia Artificial y Big Data Analytics.

Cognitive Infrastructure (CI)

Para entender qué es Cognitive Infrastructure en un solo gráfico, creamos esta herramienta que se llama “Cognitómetro”.

El Cognitómetro mide “cognitrones”, que es una unidad imaginaria para determinar qué tan “cognitiva” es una carga de trabajo. La Inteligencia Artificial comienza a la altura de ML (Machine Learning). La realidad es que antes de ese punto no hay mucho de “cognitivo” en estas cargas, pero como son las que resolvemos en “Cognitive Infrastructure” también las llamamos “cognitivas”.

Veamos qué significan estas siglas:

En el terreno de la Infraestructura propiamente dicha tenemos:

  • OSDB-SQL: bases de datos de código abierto SQL
  • OSDB-noSQL: bases de datos de código abierto no-SQL
  • HCI: hiperconvergencia

Este tipo de herramientas ayudan a reducir costos de TI.

Luego sigue el grupo de Big Data & Analytics (BDA):

  • Hadoop / Spark: son las soluciones de código abierto para esta disciplina.
  • HPC / HPDA: High Performance Computing, por los clusters de computación de alto rendimiento para hacer simulaciones. Y High Performance Data Analytics, donde aparecen bases de datos de uso muy específico y aceleradas con GPUs.

Este tipo de herramientas aplica la fuerza bruta para resolver problemas que requieren alta potencia de cómputo.

El último grupo es el de Inteligencia Artificial:

  • ML: Machine Learning
  • DL: Deep Learning
  • AV: Artificial Vision

Estas cargas de trabajo sí son “cognitivas” propiamente dichas, porque tienen diferentes implementaciones de Inteligencia Artificial.

En el gráfico también aparecen cuáles de ellas se resuelven con CPUs tradicionales, cuáles con GPUs y cuáles se pueden resolver con ambas. También hay nombres de productos de IBM, open-source o de ISVs para cada práctica.

En los próximos artículos vamos a detallar estos conceptos, definir qué es Inteligencia Artificial y qué diferencias hay entre Machine Learning y Deep Learning.

Espero que este artículo haya sido útil para usted. Agradezco sus comentarios y su tiempo al leerlo.