Projektbeschreibung
Neue Plattform für datennahe Verarbeitung
Die datennahe Verarbeitung, d. h. die Platzierung der Verarbeitungsleistung in der Nähe der Daten, anstatt die Daten zum Prozessor zu schicken, mildert die Probleme, die mit der teuren Bewegung extrem großer Datenmengen verbunden sind. Das EU.finanzierte Projekt NEARDATA entwickelt eine datennahe Plattform, die den Verbrauch, die Auswertung und die Verarbeitung von verteilten und föderierten Daten möglich macht. Mit der geplanten Plattform entfällt die Notwendigkeit, die Logistik des Datenzugriffs über heterogene Datenstandorte und -pools hinweg zu maximieren. Sie wird einen zwischengeschalteten Datendienst hosten, der serverlose Konnektoren bereitstellt, die Datenverwaltungsvorgänge und interaktive Abfragen optimieren. Video- und Veranstaltungsstreams in Echtzeit werden unterstützt. Letztendlich wird die Plattform einen Datenbrokerdienst beherbergen, der eine vertrauenswürdige gemeinsame Nutzung von Daten und eine Orchestrierung von Datenpipelines über das gesamte Datenverarbeitungskontinuum hinweg unterstützt.
Ziel
The main goal is to design an Extreme near-data platform to enable consumption, mining and processing of dis-
tributed and federated data without needing to master the logistics of data access across heterogeneous data
locations and pools. We go beyond traditional passive or bulk data ingested from storage systems towards next
generation near-data processing platforms both in the Cloud and in the Edge. In our platform, Extreme Data in-
cludes both metadata and trustworthy data connectors enabling advanced data management operations like data
discovery, mining, and filtering from heterogeneous data sources.
The three core objectives are:
O-1 Provide high-performance near-data processing for Extreme Data Types: The first objective is to create a
novel intermediary data service (XtremeDataHub) providing serverless data connectors that optimize data management operations
(partitioning, filtering, transformation, aggregation) and interactive queries (search, discovery, matching,
multi-object queries) to efficiently present data to analytics platforms. Our data connectors facilitate a elas-
tic data-driven process-then-compute paradigm which significantly reduces data communication on the
data interconnect, ultimately resulting in higher overall data throughput.
O-2 Support real-time video streams but also event streams that must be ingested and processed very fast to
Object Storage: The second objective is to seamlessly combine streaming and batch data processing for
analytics. To this end, we will develop stream data connectors deployed as stream operators offering very
fast stateful computations over low-latency event and video streams.
O-3 The third objective is to create a Data Broker service enabling trustworthy data sharing and confidential orchestration of data pipelines across the Compute Continuum. We will provide secure data orchestration, transfer, processing and access thanks to Trusted Execution Environments (TEEs) and federated learning architectures.
Wissenschaftliches Gebiet
Schlüsselbegriffe
Programm/Programme
Thema/Themen
Aufforderung zur Vorschlagseinreichung
Andere Projekte für diesen Aufruf anzeigenFinanzierungsplan
HORIZON-RIA - HORIZON Research and Innovation ActionsKoordinator
43003 Tarragona
Spanien