[et_pb_section admin_label=”section”][et_pb_row admin_label=”Riga”][et_pb_column type=”1_4″][et_pb_sidebar admin_label=”Barra Laterale” orientation=”left” area=”et_pb_widget_area_4″ background_layout=”light” remove_border=”off”]<\/p>\n
<\/p>\n
[\/et_pb_sidebar][\/et_pb_column][et_pb_column type=”3_4″][et_pb_image admin_label=”Immagine” src=”https:\/\/www.ict.inaf.it\/computing\/wp-content\/uploads\/2020\/04\/Amazon-Web-Services.jpg” show_in_lightbox=”off” url_new_window=”off” use_overlay=”off” animation=”off” sticky=”off” align=”right” force_fullwidth=”off” always_center_on_mobile=”on” use_border_color=”off” border_color=”#ffffff” border_style=”solid”]<\/p>\n
<\/p>\n
[\/et_pb_image][et_pb_text admin_label=”Testo” background_layout=”light” text_orientation=”left” use_border_color=”off” border_color=”#ffffff” border_style=”solid”]<\/p>\n
Attualmente le risorse fisiche utilizzate dall\u2019INAF per il calcolo sono rese disponibili o da ambienti “on premise” interni all’Ente, o da richieste a strutture specifiche nel caso le risorse stesse fossero ingenti. In questo scenario risulta interessante valutare come una soluzione cloud commerciale possa consentire di:<\/p>\n
\u00a0A partire da queste esigenze di INAF, \u00a0ha iniziato la sperimentazione della piattaforma Cloud offerta da Amazon (Amazon Web Services, AWS<\/strong>) per esplorare applicazioni di questa tecnologia alle necessit\u00e0 di calcolo in ambito Astrofisico e di interesse per l’Ente.<\/p>\n Nel contesto dei servizi offerti della piattaforma, di rilevante importanza ricoprono i servizi (offerti attraverso accesso web) essenzialmente a tre macro-categorie:<\/p>\n La piattaforma, attraverso il servizio SageMaker<\/a>, permette di avere a disposizione un framework di machine learning e di Data Analytics. Il servizio permette l’accesso a piattaforme di Machine Learning (offerte sotto forma di Webservice) che dispongono di algoritmi gi\u00e0 implementati adattabili alle esigenze dell’utente. Usando SageMaker \u00e8 possibile creare, addestrare e utilizzare modelli di Machine Learning per applicazioni senza dover provvedere alla infrastruttura sottostante sia in fase di training che di deployment.<\/p>\n La combinazione dei servizi EC2, di storage e di federation (quali la possibilit\u00e0 di usare in modalit\u00e0 ibrida servizi AWS + ICT INAF) consente di progettare architetture scalabili basati su concetti<\/strong> di Serverless Application<\/em>, Event Driven application<\/em> (basati ad esempio su meccanismi di message passing tra applicazioni) e On-Demand<\/em> (ad esempio, esecuzione di pipeline di riduzione dati su richiesta di triggers specifici in ambiente containerizzato).<\/p>\n Il paradigma di calcolo basato su Cloud \u00e8 ottimale nel momento in cui sia necessario accedere a un quantitativo ragguardevole di risorse in modo rapido, sporadico nel tempo e di durata limitata. Per questa ragione, l’accesso delle risorse nel contesto di questo progetto \u00e8 offerto in modalit\u00e0 a sportello\u00a0<\/strong>mediante la compilazione del form all’indirizzo:<\/p>\n https:\/\/docs.google.com\/a\/inaf.it\/forms\/d\/1Ihfgggh5lYHLsY_ZOF0IZjHGk9KKuxMYuQ6eFLaLLKk\/edit?usp=sharing\u00a0<\/a><\/p>\n Al fine di garantire un accesso sia capillare che con una opportuna granularit\u00e0 che permetta di valutare le potenzialit\u00e0 effettive della piattaforme si raccomanda di sottoporre progetti che rispecchino il paradigma di calcolo Cloud (accesso rapido alle risorse, sporadico nel tempo e di durata limitata). A titolo esemplificativo, si considerino le seguenti scale di progetti accettabili<\/p>\n La call mette a disposizione una potenza totale pari a svariate migliaia di cores\/hrs equivalenti.<\/p>\n Principal Investigators: <\/strong>Marco Landoni – INAF OA Brera, Riccardo Smareglia – INAF OA Trieste Nei ringraziamenti dei papers realizzati grazie all’utilizzo di questa piattaforma, si richiede di citare i seguenti papers: Per informazioni, potete inviare una richiesta all’indirizzo aws-info.ict@inaf.it<\/a>. Inoltre, per chi volesse inoltre registrarsi al gruppo cloud AWS nell’ambito ICT Inaf pu\u00f2 ricevere aggiornamenti attraverso l’iscrizione alla mailing list aws.ict@inaf.it<\/a><\/p>\n [\/et_pb_text][\/et_pb_column][\/et_pb_row][\/et_pb_section]<\/p>\n","protected":false},"excerpt":{"rendered":" Il Contesto Attualmente le risorse fisiche utilizzate dall\u2019INAF per il calcolo sono rese disponibili o da ambienti “on premise” interni all’Ente, o da richieste a strutture specifiche nel caso le risorse stesse fossero ingenti. In questo scenario risulta interessante valutare come una soluzione cloud commerciale possa consentire di: essere accessibile via web, in […]<\/p>\n","protected":false},"author":109,"featured_media":0,"parent":0,"menu_order":0,"comment_status":"closed","ping_status":"closed","template":"","meta":{"_et_pb_use_builder":"on","_et_pb_old_content":" INAF ha iniziato la sperimentazione della piattaforma Cloud offerta da Amazon (Amazon Web Services, AWS<\/strong>)<\/p>","_et_gb_content_width":""},"_links":{"self":[{"href":"https:\/\/www.ict.inaf.it\/computing\/wp-json\/wp\/v2\/pages\/2532"}],"collection":[{"href":"https:\/\/www.ict.inaf.it\/computing\/wp-json\/wp\/v2\/pages"}],"about":[{"href":"https:\/\/www.ict.inaf.it\/computing\/wp-json\/wp\/v2\/types\/page"}],"author":[{"embeddable":true,"href":"https:\/\/www.ict.inaf.it\/computing\/wp-json\/wp\/v2\/users\/109"}],"replies":[{"embeddable":true,"href":"https:\/\/www.ict.inaf.it\/computing\/wp-json\/wp\/v2\/comments?post=2532"}],"version-history":[{"count":30,"href":"https:\/\/www.ict.inaf.it\/computing\/wp-json\/wp\/v2\/pages\/2532\/revisions"}],"predecessor-version":[{"id":3148,"href":"https:\/\/www.ict.inaf.it\/computing\/wp-json\/wp\/v2\/pages\/2532\/revisions\/3148"}],"wp:attachment":[{"href":"https:\/\/www.ict.inaf.it\/computing\/wp-json\/wp\/v2\/media?parent=2532"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}Calcolo parallelo ed accelerato<\/strong><\/h3>\n
\n
Analisi dati e Machine Learning (as a Service)<\/strong><\/h3>\n
Deployment di infrastrutture per applicazioni complesse e\/o scalabili<\/strong><\/h3>\n
Meccanismo di accesso alle risorse<\/strong><\/h1>\n
\n
Informazioni sul board e ringraziamenti nei papers<\/strong><\/h1>\n
\nBoard Tecnico: <\/strong>Giuliano Taffoni (OA Trieste), Marco Landoni (OA Brera), Riccardo Smareglia (OA Trieste), Alessandro Costa (OA Catania), Antonio Calanducci (OA Catania).<\/p>\n
\n\u201cDATA-STAR: The new INAF computational infrastructure for big data”
\n“Application of commercial cloud<\/span> platform in astrophysics: The case of the Italian National Institute of Astrophysics”
\nReference : SPIE 2019 Astronomical Telescopes and Instrumentation (TBD)<\/strong><\/p>\n