Bright Cluster Manager

データセンターとクラウドにあるLinux®クラスターを作成および管理するプロセスを自動化する必要はありませんか。Bright Cluster Managerを使用すると、お客様はベアメタル環境に完全なクラスターを展開でき、効果的に管理できます。ハードウェア、オペレーティングシステム、ハイパフォーマンスコンピューティング (HPC) ソフトウェア、ディープラーニングフレームワーク、および機械学習ライブラリをシングルビューで管理できます。システム管理者は、充実した機能を装備するエンタープライズグレードのクラスターマネージャーであるBright Cluster Managerを使用して、クラスターを迅速かつ簡単に構築して稼働でき、ライフサイクルにわたって確実に運用を継続できます。

• システム管理者は、Webベースのグラフィカルユーザーインターフェイスを利用でき、タブレットやスマートフォンなど、あらゆるブラウザやモバイルデバイスからクラスターを管理できます。

• クラスタオンデマンド機能を利用して、Microsoft® Azure®で仮想クラスターを作成でき、Bright Clusterの拡張機能を使用し、オンプレミスクラスターをAzureに拡張できます。

• 新しいコンテナープロバイダーとの統合が拡張されており、システム管理者はKubernetes、Docker、Mesos、Marathonを組み入れたセットアッププロセスを合理化することができます。

• Bright Cluster Managerは、Red Hat® Enterprise Linux、SUSE®、CentOS、Scientific Linuxの他に、Ubuntu Server Long Term Support (16.04 LTS) を実行するクラスターも管理できるようになりました。

シンプルな展開プロセス

Bright Cluster Managerは、オペレーティングシステムを含め、追加のソフトウェアを必要とせずに、ベアメタル環境にインストールされます。そのため、ソフトウェアの互換性が確保されます。

ソフトウェアのインストールウィザードでいくつかの質問に回答するだけで、Linux®、Apache® Hadoop®、Apache Spark、およびOpenStack®のディストリビューションなど、システム管理者が必要とするすべてのインフラストラクチャコンポーネントが決定されます。

システム管理者は、さまざまなインストール方法を選択でき、柔軟性と効率性を向上できます。

強力な監視と管理

Bright Cluster Managerでは、Linux関連の知識がほとんどない担当者でも簡単にクラスターを管理できるように設計されたグラフィカルユーザーインターフェイス (GUI) を利用できます。直感的なシングルビューのGUIで可視化および制御することができるため、複数のGUIを使用して企業インフラストラクチャを表示および操作する必要がなくなります。

管理者は、従来型のコマンドラインインターフェイス (CLI) またはGUIのいずれかからクラスターをプロビジョニング、監視および管理できます。

包括的な監視機能により、ハードウェア、ソフトウェア、およびジョブベースの指標を総合的かつ容易に監視、視覚化、分析できます。

システム管理者は、統合グラフィックス処理ユニット (GPU) とハードウェアアクセラレータの管理と監視機能を利用し、インフラストラクチャについての詳細なインサイトを取得しながらその管理を強化できます。

ITリソース使用の最適化

Bright Cluster Managerは、ハイパフォーマンスコンピューティング (HPC) アプリケーションが企業ポリシーを遵守しながら必要なリソースを利用していることを確認します。クラスターは、ビジネス上の優先順位に合わせて、ワークロードの優先準備を決定します。

Bright Cluster Managerの各コピーには、すべてのHPCツールとライブラリセットが付属しており、システム管理者はすぐにHPCコードを開発、デバッグ、および展開できます。

クラウドバースティングにより、(クラウドバースティングはプライベートクラウドとパブリッククラウド間の構成をセットアップし、ITニーズのピークに対応できるようにします)、ユーザーはクラウドで新しいクラスターを簡単に作成したり、クラウドベースのリソースを既存のクラスターに簡単に追加したりできます。

最新のディープラーニング環境へのアクセス

Bright Cluster Managerでは、Caffe、Torch、Tensorflow、Thenoなどから機械学習フレームワークを選択することができ、ディープラーニングプロジェクトを簡素化します。

管理者は複雑なデータセットにアクセスするために、最も一般的な機械学習ライブラリから選択できます。このようなライブラリには、MLPython、NVIDIA CUDA Deep Neural Network (cuDNN) ライブラリ、Deep Learning GPU Training System (DIGITS)、およびCaffeOnSparkが含まれます。

機械学習パッケージ、NVIDIAハードウェアドライバー、CUDAドライバー、CUDAビルディングブロック (CUB)、およびNCCLをサポートする400MB以上のPythonモジュールを含むインフラストラクチャの要素をサポートしているため、管理者は、ディープラーニングフレームワークを実行するための要素を確実に特定し、構成および展開できます。