Description du projet
Nouvelle plateforme permettant le traitement de proximité des données
Le traitement de proximité des données, qui désigne le fait d’installer la puissance de traitement à proximité des données plutôt que d’envoyer les données au processeur, permet d’atténuer les problèmes liés au transfert coûteux de gigantesques volumes de données. Le projet NEARDATA, financé par l’UE, ambitionne de concevoir une plateforme de données de proximité permettant la consommation, l’extraction et le traitement de données distribuées et fédérées. La plateforme envisagée éliminera la nécessité d’optimiser la logistique de l’accès aux données dans des emplacements et des pools de données hétérogènes. Il hébergera un service de données intermédiaire qui fournit des connecteurs sans serveur qui optimisent les opérations de gestion des données et les requêtes interactives. Les flux de vidéos et d’événements en temps réel seront pris en charge. À terme, la plateforme hébergera un service de courtage de données qui permettra l’échange de données en toute confiance et l’orchestration de pipelines de données dans le continuum informatique.
Objectif
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.
Champ scientifique
Programme(s)
Régime de financement
HORIZON-RIA - HORIZON Research and Innovation ActionsCoordinateur
43003 Tarragona
Espagne