DDN offrirà EXAScaler come software da installare su server conformi agli standard di settore, un cambiamento che arriverà con la prossima versione di EXAScaler 7. Il file system parallelo basato su Lustre è stato venduto finora solo all'interno degli appliance dedicati di DDN o tramite partner cloud, e la nuova opzione sarà disponibile a partire dal DDN AI2200, con appliance di terze parti idonee in futuro. È prevista una beta limitata all'inizio del 2027 e DDN aggiungerà separatamente funzionalità multi-tenant, protezione dei dati e prestazioni a EXAScaler nella prima metà del 2027.
Lustre definito dal software per l'IA e l'HPC
DDN descrive EXAScaler come una versione aperta di Lustre con ottimizzazione I/O per l'IA, implementazione automatizzata e supporto enterprise. Un file system parallelo legge simultaneamente da molti server di storage, riuscendo così a gestire file di piccole dimensioni, letture ricche di metadati e checkpoint frequenti generati dai processi di IA e HPC. EXAScaler è il file system integrato in appliance come l' AI400X3M, lanciato da DDN all'ISC 2026 , e l'azienda afferma che continuerà a sviluppare sistemi specifici per i clienti che desiderano una soluzione DDN completa.
Con EXAScaler 7, lo stesso software viene eseguito su quello che DDN definisce hardware verificato, proveniente da un ecosistema di fornitori in continua espansione, a partire dal server AI2200. DDN propone questa soluzione a hyperscaler e provider di cloud che già dispongono di infrastrutture di storage, nonché a team che sviluppano piattaforme di intelligenza artificiale e desiderano scegliere l'hardware più adatto alle proprie esigenze. DDN non ha ancora reso noti i fornitori di hardware di terze parti, pubblicato i requisiti hardware minimi o specificato le modalità di licenza del software.
Omer Asad, Chief Product Officer di DDN, ha collegato questa mossa al resto della gamma: "Rendendo EXAScaler disponibile come software, estendiamo questa flessibilità a tutto il nostro portfolio". DDN Infinia, che ha introdotto il supporto multi-tenant e POSIX nella versione 2.4 , è già disponibile in un formato software-defined, quindi entrambe le piattaforme dati DDN avranno questa opzione. EXAScaler rimane inoltre disponibile tramite partner cloud come Google Cloud Managed Lustre.
Controlli per gli inquilini e protezione dei dati
EXAScaler 7 aggiungerà API REST multi-tenant che applicano limiti di qualità del servizio per tenant e condivisione equa, in modo che più team possano condividere un unico sistema con meno interferenze tra i loro processi. La funzione di ripristino dei file consente di recuperare i file cancellati accidentalmente e un registro di controllo supporta le indagini. Sul fronte delle prestazioni, DDN elenca I/O ibrido intelligente per una maggiore velocità di trasmissione e IOPS. L'azienda non ha pubblicato dati sulle prestazioni di queste funzionalità e afferma che seguiranno dati validati.
Dati condivisi per la simulazione e l'addestramento dell'IA
L'esempio di DDN per l'opzione software-defined è un sito che esegue simulazioni HPC e addestramento di IA sugli stessi dati senza copiarli tra i diversi ambienti. Nelle scienze biologiche, i ricercatori addestrano modelli surrogati di IA sugli output delle simulazioni di dinamica molecolare per prevedere il comportamento delle proteine senza dover rieseguire ogni simulazione. DDN non ha fornito una data di disponibilità generale per l'implementazione software-defined, a parte la beta prevista per l'inizio del 2027, e precisa che tutte le date sono indicative e potrebbero subire variazioni.
I test di AMPHIX HyperPOD riportano un utilizzo della GPU del 98.8% su Infinia.
DDN ha inoltre pubblicato i risultati del primo HyperPOD DDN Enterprise AI installato presso AMPHIX, il modello di implementazione RAVEL e Strata Expanse che ha visto RT-One come suo primo cliente commerciale . HyperPOD è un sistema preconfigurato basato su server Supermicro con accelerazione di calcolo NVIDIA e storage DDN Infinia, pertanto il risultato si applica anche alle altre piattaforme dati di DDN e non è stato ottenuto con EXAScaler. In un test di training di 24 ore presso l'AMPHIX Center of Excellence in California, RAVEL ha registrato un utilizzo della GPU del 98.8% senza throttling termico o errori della GPU e con un margine termico di 37°C al picco di carico.
DDN ci ha comunicato che il sistema era dotato di otto GPU NVIDIA RTX PRO 6000 e 500 TB di Infinia, in esecuzione su hardware Supermicro. Il job consisteva nell'addestramento di un modello linguistico di grandi dimensioni basato sull'architettura GPT-2, utilizzando 70 TB di dati di training grezzi, con lettura e scrittura di tutti i dati su storage S3 attraverso la rete. Le GPU hanno mantenuto un utilizzo pari o superiore al 95% per il 98% dell'esecuzione e la telemetria hardware è stata campionata una volta al secondo. DDN descrive questo test come un test interno di AMPHIX e noi non abbiamo eseguito né verificato i risultati.
In genere, un singolo server può ospitare otto GPU, quindi il test mostra un piccolo HyperPOD che mantiene le sue GPU occupate per un giorno mentre trasmette in streaming i dati di training su S3, senza però misurare il comportamento su scala cluster. DDN non ha pubblicato il throughput di training, i risultati di inferenza raccolti anche da RAVEL, né la configurazione del server e della rete. AMPHIX offre il sistema per prove di concetto presso la sede in California, e Strata Expanse e RAVEL descrivono un piano per connettere più di 100 siti.




Amazon