Hochfrequenzhandel

Müssen Sie sich schnell große Datenströme umwandeln? Das HPE Apollo 6500 System bietet die Tools und die Zuverlässigkeit, um die HPC-Innovation (High Performance Computing) bereitzustellen. Zum System gehören drei wichtige Elemente: Der HPE ProLiant XL270d Gen9 Servereinschub, das HPE Apollo d6500 Gehäuse und das HPE Apollo 6000 Power Shelf. Der XL270d Gen9 Server bietet bis zu 56 TFLOPS mit einfacher Genauigkeit pro Server mit acht NVIDIA® Tesla M40 GPU und zwei Intel® Xeon® E5-2600 v4 Prozessoren in einem 2U-Server. Da die interne PCIe Gen3-Fabric konfiguriert werden kann, können Sie die GPU-Topologie an Ihre spezifischen Anforderungen anpassen. Das Netzwerk mit großer Bandbreite und kurzer Latenzzeit ist eng mit den Beschleunigern verbunden und ermöglicht so eine optimale Nutzung des Netzwerks. Zwei x16 PCIe Gen3-Steckplätze für die von Ihnen bevorzugten Hochgeschwindigkeits-Fabrics. Das HPE Apollo 6500 System: Die nächste Lösung für schnelleres Computing.

Benötigen Sie eine höhere Rechenleistung für High Performance Computing (HPC) und Deep Learning? Das HPE Apollo 6500 Gen10 System ist eine ideale HPC- und Deep-Learning-Plattform, die sich durch unübertroffene Leistungsfähigkeit mit branchenführenden¹ GPUs, schnelle GPU-Interconnect-Technologie, eine Fabric mit hoher Bandbreite und eine konfigurierbare GPU-Topologie auszeichnet und sich so an Ihre Workloads anpasst. Die Fähigkeit von Computern, unter Nutzung umfangreicher Datensätze selbstständig zu lernen, Vorhersagen zu treffen und Anpassungen vorzunehmen, ist in vielen Branchen und Anwendungen Antriebskraft für Innovation und Wettbewerbsvorteil und steuert diese Anforderungen. Das System mit soliden RAS-Funktionen (Reliability, Availability, Serviceability) beinhaltet bis zu acht GPUs pro Server, NVLink für eine schnelle GPU-zu-GPU-Kommunikation, Unterstützung für skalierbare Intel® Xeon® Prozessoren sowie die Option für Hochgeschwindigkeitsstrukturen mit kurzer Latenzzeit und ist dank flexibler Konfigurationsmöglichkeiten Workload-optimiert. Obwohl das System auf Deep Learning-Workloads ausgerichtet ist, eignet es sich dennoch für komplexe Simulations- und Modellierungs-Workloads.