博科助力澳大利亚的基因组研究机构应对大数据增长

简介:

受到基因组数据集持续高速增长的驱动,澳大利亚基因组研究机构正在它的整个网络中部署一个高性能的博科10GbE核心网络,其中墨尔本节点将率先采用新的博科(NASDAQ: BRCD)交换基础架构。

澳大利亚非营利组织——基因组研究机构(AGRF)是澳大利亚最大的基因组服务提供者,在布里斯班、悉尼、墨尔本、阿德莱德和珀斯都设有实验室,每个实验室为全国性的先进设备、技术和专业知识网络提供一个网关。AGRF利用尖端技术,为学术、应用研究和商业市场提供合约制的基因组服务,涵盖生物医药、植物和动物科学、微生物学、进化生物学和生物多样性。

AGRF乃至整个基因组研究行业面临的一个问题是处理大数据,因为基于最新一代的基因测序技术,目前的五个运营系统每周都会产生超过1TB的数据文件。因此,对AGRF的墨尔本节点的IT基础架构进行了升级,确保其提供的计算能力、存储容量和网络性能可以应对不断增长的数据挑战。

AGRF高级系统工程师Gismon Thomas表示:“大学和研究机构正在不断地转移从100到700GB的数据,以前的网络对客户来说真的是瓶颈。 我们正在引进新的IT功能,包括带有10GbE连接的80TB存储,以处理数据归档的指数级增长。我们也正在测试基于一组刀片服务器的生物信息学云基础架构环境,该基础架构环境将在不久的未来投入使用。为了完全启用这些新系统,更强大的网络基础架构必不可少。”

Gismon表示,为了替换其传统的网络交换机,AGRF在市场上寻找能够提供低延迟、线速10 GbE性能,并拥有简化的网络架构,网络管理更简单的解决方案。他说,重点是寻找一个具有高成本效益的单一厂商解决方案,以期应对三年的预测的网络流量增长,并在易于AGRF的各个站点全面推出。

为了响应AGRF的要求,博科的合作伙伴MYCOM提出了基于博科® ICX® 6610交换机 的解决方案,其目的是以可堆栈的形式提供类似机箱的交换机功能。MYCOM现场展示这一解决方案并进行概念验证,博科ICX6610交换机堆栈在易于操作的同时能够满足AGRF对性能和延迟的所有要求。

Gismon Thomas还表示:“相对于其他主要交换机厂商的产品,博科ICX6610交换机提供投资回报更丰厚的类似的性能。 基本上,我们可以用一个交换机的价钱买到三个,其中两个堆栈为在服务器机房内为我们提供全面冗余的高性能网络核心,而第三个则用于处理外部流量。”

“该解决方案易于设置,即插即用。部署之后,我们网络上的数据量增加了一倍,没有出现任何问题。我们也可以通过软件许可证激活堆栈中空闲的能力。这样一来,我们能够在未来12个月左右容纳更多的服务器。如果并且当我们需要更大的规模时,在堆栈中增加一个交换机是一件简单的事。”

每个博科ICX6610有四个专用40 GbE堆栈端口,使多达8台交换机被链接成单一的逻辑设备,通过单一IP地址管理,总背板堆栈带宽为320 Gbps。每个交换机有多达8个10 GbE光纤端口和48个1 GbE端口。在堆栈配置中,流量转发在端口之间是透明的,所有这些都提供线速、非阻塞性能。

博科亚太区副总裁Adam Judd先生表示:“澳大利亚基因组研究机构发现,博科ICX6610交换机以堆栈的形式提供了前所未有的性能、可用性和灵活性。它们易于部署、易于管理、易于集成到新的和现有的网络。我们可以通过添加软件许可证升级容量并且通过添加到堆栈进行扩展。这不能不说是一个“按需付费”的解决方案,使AGRF轻松应对大数据的增长。”

原文发布时间为:2014年7月28日
本文来自云栖社区合作伙伴至顶网,了解相关信息可以关注至顶网。
相关实践学习
基于MaxCompute的热门话题分析
Apsara Clouder大数据专项技能认证配套课程:基于MaxCompute的热门话题分析
目录
相关文章
|
3月前
|
数据可视化 大数据 关系型数据库
基于python大数据技术的医疗数据分析与研究
在数字化时代,医疗数据呈爆炸式增长,涵盖患者信息、检查指标、生活方式等。大数据技术助力疾病预测、资源优化与智慧医疗发展,结合Python、MySQL与B/S架构,推动医疗系统高效实现。
|
3月前
|
存储 人工智能 安全
拔俗AI临床大数据科研分析平台:让医学研究更智能、更高效
阿里云原生AI临床大数据科研平台,打通异构医疗数据壁垒,实现智能治理、可视化分析与多中心安全协作,助力医院科研提速增效,推动精准医疗发展。
|
4月前
|
存储 并行计算 算法
【动态多目标优化算法】基于自适应启动策略的混合交叉动态约束多目标优化算法(MC-DCMOEA)求解CEC2023研究(Matlab代码实现)
【动态多目标优化算法】基于自适应启动策略的混合交叉动态约束多目标优化算法(MC-DCMOEA)求解CEC2023研究(Matlab代码实现)
228 4
|
人工智能 大数据 安全
拔俗AI临床大数据科研分析平台:用智能技术加速医学研究新突破
AI临床大数据科研平台基于云原生架构,融合医疗NLP、联邦学习与智能分析技术,破解非结构化数据处理难、多源数据融合难、统计周期长等痛点,实现数据治理、智能分析与安全协作全链路升级,赋能医学科研高效、安全、智能化发展。
|
5月前
|
机器学习/深度学习 人工智能 自然语言处理
Java 大视界 -- Java 大数据机器学习模型在自然语言生成中的可控性研究与应用(229)
本文深入探讨Java大数据与机器学习在自然语言生成(NLG)中的可控性研究,分析当前生成模型面临的“失控”挑战,如数据噪声、标注偏差及黑盒模型信任问题,提出Java技术在数据清洗、异构框架融合与生态工具链中的关键作用。通过条件注入、强化学习与模型融合等策略,实现文本生成的精准控制,并结合网易新闻与蚂蚁集团的实战案例,展示Java在提升生成效率与合规性方面的卓越能力,为金融、法律等强监管领域提供技术参考。
|
人工智能 分布式计算 大数据
超级计算与大数据:推动科学研究的发展
【9月更文挑战第30天】在信息时代,超级计算和大数据技术正成为推动科学研究的关键力量。超级计算凭借强大的计算能力,在尖端科研、国防军工等领域发挥重要作用;大数据技术则提供高效的数据处理工具,促进跨学科合作与创新。两者融合不仅提升了数据处理效率,还推动了人工智能、生物科学等领域的快速发展。未来,随着技术进步和跨学科合作的加深,超级计算与大数据将在科学研究中扮演更加重要的角色。
|
存储 数据可视化 数据挖掘
大数据环境下的房地产数据分析与预测研究的设计与实现
本文介绍了一个基于Python大数据环境下的昆明房地产市场分析与预测系统,通过数据采集、清洗、分析、机器学习建模和数据可视化技术,为房地产行业提供决策支持和市场洞察,探讨了模型的可行性、功能需求、数据库设计及实现过程,并展望了未来研究方向。
791 4
大数据环境下的房地产数据分析与预测研究的设计与实现
|
机器学习/深度学习 数据采集 大数据
2022年第三届MathorCup高校数学建模挑战赛——大数据竞赛 赛道B 北京移动用户体验影响因素研究 问题一建模方案及代码实现详解
本文详细介绍了2022年第三届MathorCup高校数学建模挑战赛大数据竞赛赛道B的题目——北京移动用户体验影响因素研究,提供了问题一的建模方案、代码实现以及相关性分析,并对问题二的建模方案进行了阐述。
334 0
2022年第三届MathorCup高校数学建模挑战赛——大数据竞赛 赛道B 北京移动用户体验影响因素研究 问题一建模方案及代码实现详解
|
机器学习/深度学习 自然语言处理 数据可视化
基于Python大数据的京东产品评论的情感分析的研究,包括snwonlp情感分析和LDA主题分析
本文探讨了基于Python大数据技术对京东产品评论进行情感分析的研究,涵盖了文本预处理、情感分类、主题建模等步骤,并运用了snwonlp情感分析和LDA主题分析方法,旨在帮助电商企业和消费者做出更明智的决策。
687 1
基于Python大数据的京东产品评论的情感分析的研究,包括snwonlp情感分析和LDA主题分析
|
机器学习/深度学习 数据采集 大数据
2022年第三届MathorCup高校数学建模挑战赛——大数据竞赛 赛道B 北京移动用户体验影响因素研究 问题二建模方案及代码实现详解
本文详细介绍了2022年第三届MathorCup高校数学建模挑战赛大数据竞赛赛道B的问题二的建模方案和Python代码实现,包括数据预处理、特征工程、模型训练以及预测结果的输出,旨在通过数据分析与建模方法帮助中国移动北京公司提升客户满意度。
294 2