新版SGI® UV™2000－世界上較大的內(nèi)存數(shù)據(jù)挖掘系統(tǒng)，一天能做到什么？

美國硅圖公司 (NASDAQ：SGI)是技術(shù)計算領域頗受認可的領先者。硅圖和伊利諾伊大學的Kaley H. Leetaru合作，制作了英文版維基百科全文的歷史地圖繪制和探究（按時間和地點繪制），這是前所未有的創(chuàng)作。結(jié)合內(nèi)存數(shù)據(jù)挖掘技術(shù)，在一天之內(nèi)就能實現(xiàn)將維基百科紀錄的現(xiàn)代歷史轉(zhuǎn)換成可視的地圖。通過把英文版維基百科整體下載到SGI® UV™ 2000里，Leetaru能夠展示維基百科里過去兩個世紀的世界，同時還能看到相應的地點、年份和當時世界正面或負面的情緒。

雖然之前有幾個項目通過編輯手動把維基百科的條目按地址元數(shù)據(jù)繪制地圖，但其中所涉及的地址條目只占到整個維基百科的一小部分。目前這個項目對所有文章內(nèi)容解鎖，在400萬頁文檔中定位每一個地址和日期，找出它們之間的聯(lián)系，然后建立一個巨大的網(wǎng)絡。

從全新角度“看”維基百科 

硅圖公司首席營銷官兼戰(zhàn)略主管Franz Aman認為，“這種新的分析方法能讓讀者從分散的文檔中抽身，用全局的視角審視維基百科中海量的信息。前者是一棵樹一棵樹的看，而后者則是從整片森林的角度看。我們能看到維基百科作為人類知識較全集錦之一是如何演繹歷史，并發(fā)現(xiàn)以前忽視的信息，如某特定時間和地點的全球情緒，或者可能存在的知識盲點。”Franz Aman補充說，“我們熱衷于使用谷歌地球，因為我們能放大瀏覽。SGI UV 2這個工具就是把同樣的概念運用于大數(shù)據(jù)(Big Data)，得以放大瀏覽大數(shù)據(jù)。”

根據(jù)這種分析方法，維基百科的歷史覆蓋大致經(jīng)歷了四個成長階段：1001－1500（中世紀）、1501－1729 （現(xiàn)代早期）、1730－2003 （啟蒙時代）和2004－2011 （維基百科時代）。維基百科將繼續(xù)致力于加強對歷史事件的覆蓋，而不是對現(xiàn)在發(fā)生的事件做過多紀錄。維基百科對每年歷史的紀錄基本上涵蓋主要的全球事件：過去的1000年里較具負面影響的是美國內(nèi)戰(zhàn)，其次是第二次世界大戰(zhàn)。這項分析也顯示了“版權(quán)差距”對維基百科并不是問題，因為維基百科對歷史事件的覆蓋從1924年至今呈現(xiàn)穩(wěn)定的指數(shù)增長。現(xiàn)實中，版權(quán)差距使得大部分20世紀的歷史都只能保留在印刷品中，無法數(shù)字化。

研究人員能夠以大數(shù)據(jù)(Big Data)的速度進行數(shù)據(jù)挖掘 

 “維基百科的單向性聯(lián)系、缺乏鏈接、信息盒的不均勻分布，這些都給維基百科這類知識大全的元數(shù)據(jù)挖掘帶來了限制。” Leetaru說，“有了SGI UV2， 大容量的共享存儲能讓我?guī)缀鯇崟r地對整個數(shù)據(jù)集提問。維基百科擁有海量的高速緩沖存儲器－一致性共享存儲，我只要動動指尖，寫幾行代碼，在整個數(shù)據(jù)集中運行，就可以查詢?nèi)魏文X海里浮現(xiàn)的問題。如果沒有橫向擴張的計算方法，這是不可能實現(xiàn)的。這就像從打字機升級到了文字處理器－我可以用完全不同的方法開展研究，把精力從算法轉(zhuǎn)移到結(jié)果上。 ”

分析方法 

裝載SGI® UV™ 2000后，大腦(Big Brain)計算機這一巨大的數(shù)據(jù)集用算法在維基百科的各條目上定位地址和日期，進行全文地理編碼和完全日期編碼。在公元前1000年到2012年間共挖取了超過8000萬個地址和4200萬個日期，每篇文章平均有19個地址和11個日期（相當于平均每44個文字和75個文字分別含有一個地址和日期）。各個日期和地址之間的聯(lián)系匯聚成一張巨大的網(wǎng)絡，展現(xiàn)了維基百科看待歷史的角度。有了這個工具，Leetaru能夠在SGI UV 2上對整個數(shù)據(jù)集進行實時分析，編制出按地點和時間排列的可視地圖。 從這些地圖上，Leetaru不但能觀察到整段歷史的演化，還能看到過去幾千年里整個世界的情緒。同時，Leetaru還能在SGI UV 2上對各種理論和研究問題進行互動測試。上述這些工作都可以在一天之內(nèi)完成。

新版SGI UV：大腦(Big Brain)計算機 

SGI UV 2產(chǎn)品線使用戶能夠在一個系統(tǒng)上找到較難問題的答案，而這個系統(tǒng)操作起來就和工作站一樣容易。SGI UV 2內(nèi)置Intel®Xeon®E5處理器、采用標準Linux系統(tǒng)，并支持各種存儲選項，從而提供完整和行業(yè)領先的無極限計算的解決方案。

SGI UV 2的較低配置為16核和32G內(nèi)存，日后可無縫擴展。該新一代平臺的內(nèi)核數(shù)量增加了一倍（高達4096個），連貫主內(nèi)存增加了三倍（高達64萬億字節(jié)），可用于單一映像系統(tǒng)的內(nèi)存計算。SGI UV 2可以將共享內(nèi)存擴展到8千萬億字節(jié)，每秒輸入/輸出速率較高達每秒4萬億字節(jié)（14千萬億字節(jié)/小時）。它能夠在不到三秒鐘之內(nèi)完成對美國國會圖書館所有藏書內(nèi)容的檢索。

SGI UV 2000現(xiàn)已開始銷售。今日起可訂購SGI UV 20，2012年8月開始發(fā)貨。起售價30,000美元。

關(guān)于SGI 

技術(shù)計算行業(yè)值得信賴的領先公司 SGI 致力于幫助客戶應對較嚴峻的業(yè)務與技術(shù)挑戰(zhàn)。垂詢更多詳情，請訪問sgi.com。

歡迎通過Twitter (@sgi_corp)、Facebook (facebook.com/sgiglobal)，YouTube (youtube.com/sgicorp) 和LinkedIn關(guān)注SGI。