Institució:
Conjunt d'eines i interfícies que implementen un accés senzill i eficient als magatzems de dades per a aplicacions de big data.
Data-Driven Scientific Computing
Yolanda Becerra
Hècuba proporciona abstraccions de programació senzilles que permeten als desenvolupadors gestionar dades distribuïdes com si fossin memòria local. En anotar una classe de Python una vegada, les dades s'emmagatzemen i es recuperen automàticament des de backends escalables com ara bases de dades o sistemes en memòria. Aquest enfocament redueix el moviment de dades acostant la computació a on resideixen les dades, millorant el rendiment i l'eficiència. El seu disseny independent del backend permet que el mateix codi s'executi a través de màquines locals, clústers i plataformes al núvol, cosa que permet la portabilitat. L'estalvi d'energia prové de la reducció de les transferències de dades, tot i que el seguiment de CO2 encara no s'hi inclou.
Canalitzacions de genòmica i transcriptòmica, postprocessament de models climàtics, anàlisi d'IoT en temps real, magatzems de característiques d'IA, centres de dades de bessons digitals, catàlegs d'astrofísica.
Centres de supercomputació que gestionen ciència amb un ús intensiu de dades; Proveïdors de núvol d'alta capacitat de computació (HPC) que ofereixen emmagatzematge d'objectes gestionats; R+D biotecnològica i farmacèutica que necessiten pipelines de petabytes; ISV d'enginyeria que integren la persistència transparent en els fluxos de treball; Consorcis de recerca que construeixen infraestructures de dades FAIR.
Technology Readiness Level (1-9): 7
Protection:
Apache License (Version 2.0)
Si vols saber més sobre aquest projecte no dubtis en contactar amb nosaltres