Katana Graph verdoppelt Graph-Analytics-Speed auf 3. Gen Intel Xeon

Katana Graph, High-Performance Graph Analytics Startup, hat angekündigt, dass sein Flaggschiff Katana Graph Engine (KGE) vollständig für Intels 3. Generation Xeon Scalable Prozessoren und die begleitende Optane Persistent Memory Plattform optimiert wurde. Das Upgrade liefert nahezu doppelte Geschwindigkeit für Graph-Workloads auf der neuen Hardware, während größere Datasets auf kleineren Clustern verarbeitbar werden.

Die KGE ist eine distributed Runtime, die CPUs und GPUs in eine einzige, kohäsive Plattform blendet. Sie unterstützt fortgeschrittene Graph Analytics, Pattern Mining und Querying auf massiven, irregulären Datensets – inklusive Web-Crawl-Graphen mit Milliarden Vertices und Trillionen Edges. Durch horizontale Skalierung und High-Bandwidth-Memory kann die Engine Graphen analysieren, die auf Single Machine infeasibel wären.

Entwickelt über ein Jahrzehnt Forschung von Co-Foundern Chris Rossbach und Keshav Pingali, integriert die Engine State-of-the-Art Techniken in Graph Partitioning, NUMA-aware Load Balancing und GPU Kernel Optimization. Der Partitionierer ist anpassbar mit User-defined Policies, die Communication Runtime minimiert Overhead, der typischerweise distributed Graph Algorithmen plagt.

Für Python-Entwickler exponiert KGE hochskalierbare concurrente Datenstrukturen – thread-safe Graph-Repräsentationen und Worklists – ermöglicht Rapid Prototyping ohne Performance-Opfer. Die Runtime handhabt automatisch Data Distribution, Memory Management und Cross-Node-Koordination, befreit Data Scientists für Algorithm Design.

Mit 3. Gen Xeon Scalable Prozessoren nutzt Katana Graphs Plattform neueste mikroarchitektonische Verbesserungen: höhere Core-Counts, größere Cache-Hierarchien, Intel Deep Learning Boost. Gepaart mit Optane Persistent Memory bietet das System dramatische Erhöhung effektiver DRAM-Kapazität, reduziert Bedarf an teuren, großen Clustern weiter.

„Unsere Engine liefert jetzt out-of-the-box bis zu doppelte Performance auf 3. Gen Intel Xeon im Vergleich zur Vor-Generation“, sagte Keshav Pingali, Co-Founder und CEO. „Durch enge Zusammenarbeit mit Intel haben wir neue Effizienz-Level freigeschaltet, die unsere Enterprise-Kunden – Retail, Finance, Identity Management – direkt in ihren täglichen Analytics spüren.“

Intels VP und GM Machine Learning Performance, Wei Li, äußerte sich begeistert: „Katana Graph hat die innovative Architektur des 3. Gen Xeon Scalable Processors genutzt, um einen game-changing Boost in Graph Analytics Performance zu liefern. Unsere Kollaboration wird Kunden helfen, die größten unstrukturierten Daten-Herausforderungen zu meistern.“

Beyond roher Speed: Neue Optimierung reduziert Cluster-Footprint und Operational Costs. Katana Graphs Mission: Organisationen schnellsten, kosteneffektivsten Graph Software Stack geben, um actionable Insights aus unstrukturierten Daten zu extrahieren und Business Growth zu beschleunigen.

In jüngstem Milestone sammelte Katana Graph 28,5 Mio. USD Series A, angeführt von Intel Capital, mit WRVI Capital, Nepenthe Capital, Dell Technologies Capital, Redline Capital. Funding unterstreicht Marktnachfrage nach High-Performance Graph Solutions across Pharma, Fintech, Identity, Cybersecurity.

Gegründet 2020 von Professoren der University of Texas at Austin, kombiniert das Unternehmen akademischen Rigor mit kommerzieller Expertise. Leadership umfasst Farshid Sabet (ehem. GM Edge AI bei Intel), Board Advisors wie Infosys-Gründer N. R. Narayana Murthy und Cisco-P&G Executive Amy Chang.

Katana Graphs einzigartiger Wert: Massive unstrukturierte Daten handhaben, komplexes Pattern Mining unterstützen, überlegene Performance für Graph AI und Analytics auf heterogenen Clustern – x86 CPUs, Arm CPUs, GPUs, andere Acceleratoren.