A HPC (nagy teljesítményű számítási képesség) és a mesterséges intelligencia (MI) konvergenciája megváltoztatja a világot. Az új korszak új adattárolási megoldásokat igényel a növekvő adatok hatékony kezeléséhez.

Az adatvezérelt korszak drámaian átformálja a jövőt. A mesterséges intelligenciával a genomikától kezdve a pénzügyi szolgáltatásokon át az elektromos járművekig a számítógépes rendszerek matematikai és logikai rendszereket használnak azon okok szimulációjára, amelyek alapján az emberek új információkat tanulnak és döntéseket hoznak. A HPC és az MI olyan technológiák, amelyek célja az adatok értékének felszabadítása. Bár sokáig különálló technológiáknak tekintették őket, a két terület most mégis közeledik egymáshoz, mivel az iparág felismerte, hogy az MI-nek szüksége van a HPC által biztosított nagy teljesítményű, skálázható számítási képességek, hálózati és tárolási lehetőségekre.

Az MI infrastruktúra a mesterséges intelligencia által vezérelt alkalmazások létrehozásához, teszteléséhez, tanításához és telepítéséhez szükséges technológiai hátteret jelenti. Legyen szó nagy teljesítményű számítási rendszerekről, párhuzamos fájlrendszerekről vagy skálázható tárolásról. A HPC és az MI területén bárki képes gyors adattárolót alkalmazni. A kulcs az, hogy hogyan lehet gyors, költséghatékony és skálázható tárolórendszert építeni.

A HPC- és MI-munkaterheléseknek nagyon speciális tárolási követelményei vannak. Ezek közé tartoznak:

Nagy sebességű kapcsolat

A nagy sávszélességű front-end támogatja az MI-hez és a gépi tanuláshoz kapcsolódó nehéz munkaterhelést. Így a megfelelően konfigurált Fibre Channel vagy iSCSI révén történő kapcsolódás a gyors tárolókból történő adatkivonáshoz kritikus fontosságú annak érdekében, hogy az adatokat az MI-algoritmusok számára méretarányosan előkészítsük a fejlett MI kiépítéséhez. A QSAN széles körben alkalmazza a 25 GbE / 10 GbE iSCSI-t vagy a 32 Gb / 16 Gb Fibre Channel-t, jelentősen alacsonyabb költségekkel sokoldalú kapcsolódási lehetőséggel.

Késleltetés és áteresztőképesség

Az I/O késleltetés fontos az MI modellek építése és használata szempontjából, mivel az adatokat többször újraolvassák. Az I/O késleltetés csökkentése tehát napokkal vagy akár hónapokkal csökkentheti az MI tanítás idejét. A tanítási folyamat rengeteg adatot használ, általában óránként terabájtban mérve. Ennek eredményeképpen a QSAN XCubeFAS sorozat rendkívül alacsony késleltetést és nagy áteresztőképességet biztosít az MI-munkaterhelések feldolgozásához.

Az MI-alkalmazások terjedelme és skálája változatos és dinamikus. A mesterséges intelligencia alapú tárolásnak rugalmasnak kell lennie ahhoz, hogy az igénynek megfelelően kis méretből induljon, de szükség esetén költséghatékonyan skálázható legyen, miközben a tömeges tárolás kezelése vagy a megfelelő skálázhatóság révén fenntartja a hasonló ár-teljesítmény arányt annak érdekében, hogy elkerülhető legyen a szükségtelen és ezáltal kihasználatlan erőforrások megvásárlása, és azok indokolatlan fenntartása. A QSAN adattároló masszív skálázási lehetőségeket biztosít a QSAN XCubeDAS sorozat vagy a harmadik féltől származó bővítő egységek igény szerinti csatlakoztatásával jövőbeli adatnövekedés esetére. Így Ön biztos lehet afelől, hogy rendszere korlátlanul bővíthető, növekedő terhelés esetén is.

Kis- és középvállalkozások esetében a mesterséges intelligencia célja a maximális sebesség elérése a legalacsonyabb költségek mellett. Az XCubeFAS sorozat kétségkívül ideális tárolási megoldás. Az általánosan használt protokollokkal – például a 25GbE / 10GbE iSCSI-vel vagy a 32Gb / 16Gb Fibre Channel-lel párosítva több szerver közvetlen csatlakoztatására–, tovább csökkenthetők a költségeket bonyolult hálózati eszközök telepítése nélkül. A nyílt forráskódú párhuzamos fájlrendszerek, mint például a BeeGFS, szintén nagyban hozzájárulnak ahhoz, hogy a mesterséges intelligencia könnyen alkalmazható legyen.

A mesterséges intelligenciát használó vagy oktató alkalmazások nem támaszkodhatnak a hagyományos tárolásra a megfelelő működéshez. Ezek az alkalmazások nagy teljesítményű, nagy rendelkezésre állású tárolót igényelnek, ahonnan folyamatosan nagy mennyiségű adatot tudnak betölteni a megfelelő ütemű tanulás és a növekedés elősegítése érdekében. A QSAN XCubeFAS és XCubeSAN sorozat, valamint a BeeGFS, a nagy teljesítményű számítási képességre kifejlesztett és optimalizált népszerű párhuzamos fájlrendszer versenyképes AI képzési környezetet fog alkotni.

Tekintse meg a QSAN termékeinket webáruházunkban!

Forrás: qsan.com