RADIATUS: Infraestructura elástica para Análisis BigData en la nube

Cada vez más empresas están adoptando soluciones de Big Data Analytics por tratarse de una herramienta muy eficaz para obtener conocimiento a partir de las grandes cantidades de datos que se generan y recolectan hoy en día en las mismas.

Estas soluciones se aplican a distintos ámbitos de gran interés para las empresas como mantenimiento predictivo, u optimización de la configuración de máquinas.

El proyecto RADIATUS, continúa los trabajos realizados en años anteriores, incluyendo nuevas tecnologías y ampliando el abanico de servicios para Machine Learning y Deep Learning.

El objetivo del proyecto se centra en sentar las bases de los conocimientos que facilitarán el uso de soluciones de Big Data Analytics, permitiendo a los usuarios obtener conocimiento a partir de datos generados y recolectados, sin preocuparse por la infraestructura necesaria.

En esta anualidad el foco de su trabajo está centralizado en avanzar en la evolución del orquestador de servicios y la evolución de la plataforma hacia la integración y actualización de tecnologías para dar soporte al cómputo de altas prestaciones, así como el soporte a la federación de servicios y/o recursos.

El análisis masivo de datos (Big Data Analytics) han revolucionado el mundo de la industria, en cualquiera de sus sectores. Las empresas, a través de la adopción masiva de las TIC, tienen entre sus principales objetivos mejorar sus productos y servicios, al tiempo que aumentan la eficacia y eficiencia de sus procesos.

El aprendizaje automático (Machine Learning) y el aprendizaje profundo (Deep Learning) son técnicas de Inteligencia Artificial (IA), antes relegadas a aplicaciones académicas y, que ahora, gracias a las grandes oportunidades que ofrecen las plataformas de análisis masivos de datos y las nuevas tecnologías, es cuando es posible abordar de una forma eficiente problemas complejos. Estas técnicas se han vuelto dos piezas fundamentales, sobre todo para relacionar millones de datos aislados y convertirlos en valor agregado para las empresas, lo que hace necesario la aplicabilidad de estas técnicas sobre plataformas escalables y elásticas para un uso lo más eficiente posible de ellas. Estos tipos de sistemas requieren de personal especializado y de soluciones ofrecidas por empresas o centros altamente especializados y es aquí donde entra en acción del proyecto RADIATUS avanzando en la investigación, diseño y prototipado de servicios elásticos de Big Data.

Este proyecto, continuación de los trabajos iniciados en 2017, 2018 y 2019 (proyectos RADIATUS 1, 2 y 3), tiene como objetivos principales avanzar y evolucionar el Orquestador de Servicios a Manager de Servicios avanzando en la reformación de modelos e integrando multiversionado de recursos. Así mismo, también se trabajará en la evolución de la plataforma RADIATUS para dar soporte al cómputo de altas prestaciones para la ejecución de cargas de trabajo cuya base sea el Deep Learning y para el desarrollo de servicios para la ejecución de trabajos de procesamiento de información en entornos distribuidos elásticos.

Objetivos

El proyecto RADIATUS, en su cuarta anualidad, tiene como principales objetivos:

Reducir la complejidad organizativa y de uso del Orquestador de Servicios a la vez que damos soporte al uso de nuevas tecnologías y servicios que faciliten el despliegue de arquitecturas de Big Data Analytics para la ejecución de algoritmos de Machine Learning y Deep Learning. Para ello se evolucionará el Orquestador de Servicios a Manager de Servicios.
Integrar tecnologías que soporten el computo de altas prestaciones para posibilitar la ejecución de aquellos algoritmos de Machine Learning y Deep Learning que cuya ejecución es inviable actualmente en el entorno actual debido a su exigencia computacional.
Integrar tecnologías que permitan el procesamiento elástico de información, de manera que el uso de recursos computacionales de estos servicios se ajuste dinámicamente a la carga de trabajo en cada momento.
Dar soporte a la federación de recursos y/o servicios de manera que despliegues de diferentes plataformas de RADIATUS puedan interactuar entre ellos para formar una plataforma mayor.