Open Connectome 项目数据集群：高通量神经科学的可扩展分析与愿景
分布式、并行与集群计算
2013-06-19 v2 计算工程、金融与科学
神经元与认知
摘要
我们描述了一个可扩展的数据库集群，用于高通量脑成像数据的空间分析和标注，最初针对三维电子显微镜图像堆栈，同时也适用于时间序列和多通道数据。该系统主要设计用于在工作负载中构建连接组（即大脑的神经连接图谱），通过在高性能计算集群上并行执行计算机视觉算法来实现。这些服务和开放科学数据集可在 http://openconnecto.me 公开获取。系统设计继承了许多 NoSQL 横向扩展和数据密集型计算架构的特点。我们通过划分空间索引将数据分发到集群节点。我们将 I/O 导向不同的系统——读取指向并行磁盘阵列，写入指向固态存储——以避免 I/O 干扰并最大化吞吐量。所有编程接口均为 RESTful Web 服务，具有简单和无状态的特性，从而提高了可扩展性和易用性。我们包含了对生产系统的性能评估，突出了空间数据组织的有效性。
引用
@article{arxiv.1306.3543,
title = {The Open Connectome Project Data Cluster: Scalable Analysis and Vision for High-Throughput Neuroscience},
author = {Randal Burns and William Gray Roncal and Dean Kleissas and Kunal Lillaney and Priya Manavalan and Eric Perlman and Daniel R. Berger and Davi D. Bock and Kwanghun Chung and Logan Grosenick and Narayanan Kasthuri and Nicholas C. Weiler and Karl Deisseroth and Michael Kazhdan and Jeff Lichtman and R. Clay Reid and Stephen J. Smith and Alexander S. Szalay and Joshua T. Vogelstein and R. Jacob Vogelstein},
journal= {arXiv preprint arXiv:1306.3543},
year = {2013}
}
备注
11 pages, 13 figures