Starburst présente Starburst Torin, un moteur analytique natif GPU construit sur NVIDIA cuDF
Contact avec les médias
starburst@aircoverpr.com
Starburst annonce aujourd'hui la disponibilité générale limitée de Starburst Torin, un moteur analytique natif GPU basé sur Trino destiné à Starburst Enterprise. Construit sur NVIDIA cuDF, Torin accélère les charges de travail SQL grâce à une exécution native sur GPU, offrant des performances de requête jusqu'à sept fois plus rapides.1 En complément du moteur CPU existant de Starburst, Torin donne aux entreprises la flexibilité d'exécuter leurs charges de travail sur CPU ou sur GPU sans modifier les requêtes SQL Trino, les applications ou les agents existants.
Les agents d'IA créent un type de charge différent sur les plateformes de données. Une seule tâche d'agent peut déclencher une chaîne de requêtes dépendantes, où le retard d'une requête peut ralentir l'ensemble du flux de travail. Ces goulots d'étranglement affectent aussi l'analyse interactive, rendant plus difficile l'exploration des données, l'évaluation des résultats et la prise de décision en temps réel. Une exécution plus rapide des requêtes aide les agents à achever leur travail analytique plus tôt, améliore la réactivité pour les utilisateurs et permet aux équipes d'exécuter davantage de charges de travail sur l'infrastructure disponible.
En parallèle, les entreprises investissent dans l'infrastructure d'IA NVIDIA pour accélérer le traitement des données à l'ère des agents. Torin étend ces investissements à l'analyse SQL, sans nécessiter de nouvelle plateforme de données.
« La vitesse compte pour ce qu'elle débloque, et c'est pourquoi nous avons créé Starburst Torin. Les agents IA exécutent des dizaines ou des centaines de requêtes pour accomplir une seule tâche : des requêtes plus rapides signifient donc que les agents accomplissent plus de travail, que les équipes exécutent plus de charges de travail et que l'entreprise obtient des résultats plus tôt », déclare Justin Borgman, cofondateur et CEO de Starburst.
Dans les benchmarks de Starburst, Torin a exécuté les requêtes TPC-H jusqu'à sept fois plus rapidement sur des GPU NVIDIA Blackwell, la requête la plus rapide s'exécutant 11,4 fois plus vite. Sur ClickBench, une instance GPU NVIDIA L4 a délivré un débit 3,4 fois supérieur à la référence CPU, pour un coût matériel horaire comparable.1
Torin est le fruit d'un travail d'ingénierie étroit entre Starburst et NVIDIA. Starburst a construit les opérateurs SQL de Torin sur NVIDIA cuDF, et les ingénieurs NVIDIA ont apporté leur expertise de cuDF et leurs conseils sur l'optimisation pour les GPU NVIDIA Blackwell. Les résultats apportent le calcul accéléré de NVIDIA aux équipes SQL qui utilisent déjà Starburst. Côté CPU, le moteur CPU de Starburst Enterprise prend également en charge le CPU NVIDIA Vera, annoncé au GTC en mars. Pour le benchmark TPC-H de Starburst à SF1000, Vera a exécuté les requêtes 1,5 fois plus vite qu'un CPU x86 de premier plan et a utilisé environ 33 % de secondes CPU en moins par requête.2
« L'analytique et les agents IA sollicitent davantage les plateformes de données, et le traitement accéléré des données est ce qui leur permet de suivre le rythme. En construisant Starburst Torin sur NVIDIA cuDF, Starburst permet à ses clients d'exécuter leur SQL existant sur les GPU NVIDIA, sans déplacer les données, reconstruire les flux de travail ni modifier les contrôles de gouvernance », déclare Todd Mostak, directeur principal Analytique et intelligence des données chez NVIDIA.
Des requêtes rapides ne couvrent que la moitié des besoins des agents. Ceux-ci ont aussi besoin d'un contexte de confiance, et Starburst travaille avec NVIDIA pour répondre à ce besoin. Afin de fournir des éclairages métier fiables en langage naturel à des clients des services financiers hautement réglementés, Starburst cherche à intégrer les modèles ouverts NVIDIA Nemotron Retriever et NVIDIA Kumo à Starburst AIDA. Tous deux font partie de la nouvelle NVIDIA Agent Knowledge Foundation, qui fournit des modèles ouverts et des bibliothèques accélérées au sein du NVIDIA Agent Toolkit, aidant les agents à récupérer un contexte pertinent, générer des réponses ancrées, analyser et prédire les résultats, et optimiser leurs actions. Ce travail contribuera à améliorer les prédictions de contexte utilisées pour la détection de fraude, la surveillance du risque de crédit et l'intégration des clients (KYC).
Starburst est au GTC Berlin, stand 3072. Justin Borgman participera à une table ronde sur le traitement accéléré des données pour les charges de travail d'IA le jeudi 22 octobre à 16h00 CEST.
À propos de Starburst
Starburst fournit de l'intelligence d'entreprise à grande échelle en donnant aux organisations un accès sécurisé et gouverné à l'ensemble de leurs données, où qu'elles se trouvent. Conçue pour les environnements de données distribuées sur des systèmes locaux, plusieurs clouds et des architectures hybrides, la plateforme Starburst aide les entreprises à alimenter l'IA et l'analytique sans le coût, la complexité et les limites d'une consolidation traditionnelle des données.
En permettant un accès fédéré à un contexte d'entreprise complet, Starburst aide les plateformes d'IA, les applications et les équipes à passer des projets pilotes à la production avec des données fiables et exploitables. Les dirigeants obtiennent des éclairages plus rapides, une meilleure collaboration et davantage de confiance dans des décisions fondées sur des données complètes et gouvernées. Construit sur des standards ouverts avec Trino et Apache Iceberg, Starburst s'intègre aux technologies existantes tout en aidant les organisations à éviter la dépendance à un fournisseur.
Des entreprises de premier plan dans plus de 60 pays, notamment Comcast, Citigroup et quatre des cinq plus grandes banques mondiales, font confiance à Starburst pour alimenter leur intelligence d'entreprise. Pour plus d'informations, consultez starburst.ai.
Ressources complémentaires :
Lisez le blog de Martin Traverso, directeur technique de Starburst et cocréateur de Trino : AI Agents Are Outgrowing the Converged Data Platform
1 Les résultats TPC-H et ClickBench de ce communiqué proviennent des tests publiés sur le blog d'ingénierie de Starburst. Le facteur x7 reflète les mêmes tests TPC-H sur les mêmes GPU NVIDIA Blackwell, exécutés sur Starburst Enterprise 483-e. Les benchmarks ont été exécutés sur AWS dans un environnement de développement, sur des configurations mono-nœud, avec des exécutions de préchauffage suivies d'exécutions mesurées. Les accélérations sont des moyennes géométriques des ratios par requête. TPC-H a été exécuté sur des instances g7e.4xlarge et ClickBench sur des instances g6.4xlarge, comparées à une référence CPU m8g.8xlarge. Les chiffres de coût concernent le matériel uniquement et excluent les licences logicielles. Les résultats varient selon la charge de travail et le déploiement. Blog d'ingénierie de Starburst.
2 Les benchmarks ont été exécutés dans un environnement de développement, sur des configurations mono-nœud de 88 cœurs physiques / 176 threads pour NVIDIA Vera et de 96 cœurs physiques / 192 threads pour Intel Xeon 6, sur Starburst Enterprise 483-e, une requête à la fois. Les charges de travail étaient TPC-H (22 requêtes). NVIDIA Vera (mono-socket) s'est exécuté 1,48 fois plus vite qu'une instance Intel Xeon 6, mesuré en temps d'horloge par requête, et a utilisé environ 33 % de secondes CPU en moins par requête. Les résultats varient selon la charge de travail et le déploiement.
Le texte du communiqué issu d’une traduction ne doit d’aucune manière être considéré comme officiel. La seule version du communiqué qui fasse foi est celle du communiqué dans sa langue d’origine. La traduction devra toujours être confrontée au texte source, qui fera jurisprudence.
Consultez la version source sur businesswire.com : https://www.businesswire.com/news/home/20261021313132/fr/