Основная цель лаборатории — проведение перспективных научных исследований, подготовка высококвалифицированных кадров, разработка и проведение современных учебных курсов для завоевания университетом лидирующих позиций в области AI и BigData.

Лаборатория ведет научную работу по направлениям:

• Интеллектуальные методы оркестрации для облачных инфраструктур
• Гибридные высокопроизводительные алгоритмы
• Суперкомпьютерные технологии
• Гетерогенные сети хранения и обработки данных

• Количество посадочных мест: 21
• Количество рабочих мест: 15
• Вычислительный кластер (348 ядер CPU, ОЗУ 2.2 ТБ, 16 ТБ HDD, 19 ТБ SSD, 5x Nvidia A30) для учебного процесса
• Рабочие станции(6 ядер CPU, 16 ГБ ОЗУ, 500 ГБ SSD), 15 шт.
• Программное обеспечение:
• Система мониторинга и обнаружение вторжений в промышленной сети Kaspersky Industrial CyberSecurity (KICS)
• Интерактивная среда для разработки JupiterHub с установленной библиотекой машинного обучения PyTorch
• Веб-инструмент жизненного цикла DevOps с системой управления репозиториями кода для Git Gitlab CE
• Система баз данных: PostgreSQL
• Операционные системы: Windows Server 2019 и CentOS
• Инструмент расследования инцидентов: Kali Linux

Интеллектуальная система оркестрации Docker-контейнеров для PaaS KubeSmart

В настоящем проекте предлагается разработать программные средства-надстройку над Kubernetes – KubeSmart. Представленные в виде K8S Custom Resource Definition (CRD) данные программные модули должны учитывать схему взаимодействия размещаемых в облаке модулей между собой для выявления их взаимосвязей и более эффективного планирования использования аппаратных ресурсов облака с применением методов машинного обучения.

Актуальность данного проекта заключается в том, что используемые в настоящее время планировщики не обладают интеллектуальными алгоритмами размещения контейнеров по узлам. Они работают по принципу размещения в «первый подходящий слот».

Децентрализованная система хранения Fluid Storage

Децентрализованные системы хранения данных позволяют потребителям осуществлять автономный контроль над своими данными и доступ к ним. Fluid Storage выигрывает у любого централизованного решения в ситуации роста страновых санкций и блокировок от региональных операторов, так как не имеет центрального хранилища.

Спрос на децентрализованное облачное хранилище быстро растет, поскольку новое поколение платформ повышает гибкость и безопасность облачного хранения, снижая при этом затраты для конечных пользователей. Некоторые децентрализованные сети хранения стремятся заменить существующих гигантов облачных хранилищ, в то время как другие стремятся работать вместе с ними, расширяя и совершенствуя свои возможности.

По сравнению с ближайшим конкурентом BTFS во Fluid Storage используются более продвинутые технологии репликации и маршрутизации, позволяющие сократить время доступа к файлам и снизить расходы на хранение.

На базе лаборатории реализуются учебные курсы программ магистратуры: «Гибридные суперкомпьютерные технологии» и «Технологии обработки больших данных». Также сотрудники лаборатории читают курс «Большие данные» в филиале МИФИ при КазНУ и участвуют в реализации различных программ дополнительного профессионального образования.

Ежегодно на базе лаборатории проходят защиты выпускных проектов магистрантов. Лаборатория публикует результаты своих исследований в материалах конференций и статьях. Полный перечень публикаций индексируемых Scopus, а также их содержание доступен на сайте https://hpclab.ru/publications.