新IBM Storage Scale专注于AI、HPC

日期: 2023-11-05 作者:Adam Armstrong翻译:邹铮 来源:TechTarget中国 英文

IBM发布了一款新的存储系统,旨在处理高性能计算和 AI 工作负载。

IBM Storage Scale System 6000 是软件定义存储系统,它包括一个并行文件系统来支持文件和对象数据,以及两种常用的网络连接存储(NAS)协议,即网络文件系统(NFS)和服务器消息块(SMB)。它针对 AI 和高性能计算(HPC)等密集型工作负载。

该系统使用高速互连、GPUDirect 软件和即将推出的 FlashCore Modules版本(IBM 定制的全 NVMe 闪存模块将于 2024 年下半年推出),可提供高达 256 GBps 的读取性能。新版本的 Storage Scale System(以前称为 Elastic Storage System)可以扩展到数千个节点,在单个集群中最多可达 633 yottabytes。

据Futurum Group分析师Randy Kerns称,IBM已经采用了HPC系统,并制作了一个本地版本,可以由IT部门管理,而不是由研究科学家管理。IBM Storage Scale System 6000 具有 HPC 属性,包括极致的扩展和大规模线性性能。他说,该产品证明了HPC将其业务范围从学术界和研究领域扩展到企业领域,在企业中,非结构化数据继续增长,生成式人工智能正在开始扎根。

Forrester Research 的分析师 Brent Ellis 表示,但这款6000也证明另一个趋势:NAS 的适用性越来越强,NAS 传统上用于存储和共享文档和视频等文件,现在正在寻找更广泛的用例。

他表示:“这里的趋势是对象和文件存储,性能越来越高,并被用于更多主要工作负载。”

应用于AI

IBM Storage Scale System 6000 支持 Nvidia Magnum IOTM GPUDirect Storage,该软件可绕过 CPU,并允许直接在存储和 GPU 内存之间传输数据。这减少了可能使 GPU 处于空闲状态的数据加载,从而中断AI模型训练,Nvidia 表示这个问题会对AI和HPC应用程序性能产生负面影响。

Kerns 表示,IBM 已通过融合以太网 RDMA (RoCE) 和 InfiniBand、高性能、低延迟互连技术实现了 GPUDirect。

他称:“这个存储元素可以非常快速地将数据提供给数据平台。”并补充说它可能是IBM的数据平台Watsonx或其他数据平台。

Kerns表示,6000将与其他针对AI的存储竞争,例如Vast Data、Weka,以及其他高性能NAS,例如Pure Storage和NetApp的NAS。

根据 Forrester Research 的 Ellis 的说法,人工智能目前是一个热门话题,任何可用于人工智能的产品或服务都将以这样的形式呈现。

Ellis认为,由于基础设施的要求,有些企业会将AI模型训练外包给成熟的模型训练供应商。然而,推理或解决人工智能训练的任务将在内部完成。Ellis 表示,无论是训练还是推理,6000 都是一个功能强大的文件系统,即使所有的优势还不能完全实现。

Ellis说:“这有点本末倒置,因为包含优势的新FlashCore模块要到2024年下半年才会问世。”

IBMNAS

IBM 将 6000 定位为半结构化和非结构化数据的存储,例如视频、图像、文本和仪器数据,这些用例通常由 NAS 设备完成。然而,Ellis说,这项技术超越了用户使用NAS的任务。

他指出:“这意味着与容器或数据分析工作负载或SAP等高性能文件进行交互。”

Ellis说,嵌入在系统中的Storage Scale允许用户连接到基于云的文件系统,作为目录树的一部分,目录树是一种表示文件存储位置的分层结构,提高了可移植性和缓存。

但Kerns说,专注于NAS用例可以解决IBM产品的潜在差距。几年来,它与NetApp保持着OEM关系,直到2014年交易终止。

他表示:“这是一个支持 NFS 和 SMB 访问的文件系统。它还具有符合 POSIX 标准的驱动程序,这在企业中并不常见。”

Kerns 说,兼容便携式操作系统接口的驱动程序在 HPC 技术中比 NAS 系统更常见。

根据 Kerns 的说法,虽然 6000 对于主目录或第二层存储来说有点矫枉过正,但它可用于这些情况,以及高端 HPC 和 AI 用例。

Kerrns说,数据平台连接到不同的系统,特别是在公共云上,所有这些连接都必须得到管理。如果所有系统都放置在 6000 的本地,它们不仅可以提供性能和其他优势,还可以简化管理。

我们一直都在努力坚持原创.......请不要一声不吭,就悄悄拿走。

我原创,你原创,我们的内容世界才会更加精彩!

【所有原创内容版权均属TechTarget,欢迎大家转发分享。但未经授权,严禁任何媒体(平面媒体、网络媒体、自媒体等)以及微信公众号复制、转载、摘编或以其他方式进行使用。】

微信公众号

TechTarget微信公众号二维码

TechTarget

官方微博

TechTarget中国官方微博二维码

TechTarget中国

电子邮件地址不会被公开。 必填项已用*标注

敬请读者发表评论,本站保留删除与本文无关和不雅评论的权力。

翻译

邹铮
邹铮

相关推荐