Quando abbiamo recensito l' NVIDIA DGX Spark , lo storage è risultato essere il difetto di progettazione più evidente della piattaforma, e si tratta innanzitutto di un problema di formato. Gli slot interni dello Spark supportano unità M.2 di dimensioni ridotte, come le 2230 e le 2242, dove la compattezza è fondamentale a scapito della capacità. Il segmento di mercato degli SSD client ad alta capacità si colloca nelle unità 2280 di dimensioni standard, dove oggi vengono commercializzati modelli da 8 TB, e lo Spark semplicemente non ha spazio per installarne una. Questo lascia una macchina progettata per lavori di intelligenza artificiale di alto livello con un limite di storage più adatto a un laptop sottile e leggero, e senza alcuna soluzione interna per aggirarlo. Il Luisuantech GP Spark è la soluzione a questo problema: un box da 0.58 litri con quattro alloggiamenti per unità M.2 di dimensioni standard che si collega alla porta 100GbE dello Spark, viene riconosciuto come dispositivo NVMe nativo senza bisogno di driver o formattazione e gestisce il traffico GPU Direct Storage a velocità prossime a quella di linea.
Il punto di forza è la semplicità unita ai vantaggi economici delle unità client. I quattro alloggiamenti del GP Spark ospitano normali SSD NVMe M.2 2280 o 22110, i formati che lo Spark stesso non supporta, e li rendono disponibili tramite NVMe-oF RDMA attraverso un motore di offload hardware su un chip dedicato. Le specifiche di Luisuantech certificano unità fino a 4 TB, ovvero 16 TB per enclosure, sebbene questi siano gli stessi slot in cui vengono già installate unità client da 8 TB; pertanto, il limite pratico è una questione di validazione piuttosto che di caratteristiche meccaniche. Non sono previsti array aziendali, licenze o sistemi operativi di storage da imparare. Basta collegare un cavo DAC o AOC tra il GP Spark e il DGX Spark, eseguire il comando `modprobe nvme-rdma` sul sistema operativo Ubuntu dello Spark e le unità appariranno come dispositivi `/dev/nvme` pronti per l'accesso tramite GDS.
Progetta e costruisci
Il GP Spark è un box di 150 mm x 150 mm x 26 mm, più piccolo dello Spark stesso, racchiuso in uno chassis metallico perforato con un singolo pulsante di accensione che funge anche da indicatore di stato: verde per il normale funzionamento, rosso in caso di guasto. L'alimentazione viene fornita tramite USB-C PD da un adattatore esterno da 20 V/5.4 A, con un consumo totale inferiore a 100 W, dischi inclusi. Il pannello posteriore presenta esattamente tre connettori: l'ingresso di alimentazione USB-C, una porta di debug di fabbrica USB-C e la porta dati QSFP28 100 GbE, che accetta DAC in rame o moduli ottici. All'interno, un processore dati e un coprocessore dedicati gestiscono l'offload NVMe-oF, mentre i quattro alloggiamenti M.2 si trovano sotto il coperchio superiore.
Il pannello posteriore è interamente dedicato alla funzionalità: porte USB-C per l'alimentazione e il debug a sinistra, il vano per i moduli QSFP28 a destra e una fila di alette di rame visibili attraverso le prese d'aria tra di essi. Il raffreddamento è interamente passivo.
Sollevando il coperchio superiore, si accede ai quattro alloggiamenti M.2 disposti in fila, qui occupati dalle nostre unità di test KIOXIA XG8. Il coperchio stesso funge da sistema di raffreddamento: dei pad termici blu sulla sua parte inferiore collegano ciascun SSD al dissipatore alettato che costituisce la parte superiore dello chassis, una soluzione passiva ed elegante per le unità client che non sono soggette a cicli di lavoro aziendali prolungati.
Prima di passare ai dati tecnici, una precisazione: la nostra unità è un prototipo. L'etichetta inferiore riporta la dicitura GP-Spark-1000, indica che il dispositivo è un prototipo, non destinato alla rivendita e riporta una data di produzione di febbraio 2026 con il marchio Swingsoon utilizzato da Luisuantech per l'hardware. Le unità di produzione potrebbero differire per estetica e finiture, ma il comportamento della piattaforma che abbiamo testato corrisponde a quello che Luisuantech sta attualmente inviando ai recensori. Due ulteriori note sull'esperienza di utilizzo iniziale. La nostra unità è stata fornita con due manuali stampati interamente in cinese e la configurazione iniziale sembra avvenire tramite Wi-Fi. Nessuno di questi aspetti rappresenta un ostacolo per il pubblico a cui questo dispositivo è destinato, ma un lancio in Occidente richiederà una documentazione in inglese.
Configurazione e architettura
Non è presente alcun controller RAID né alcuna astrazione di storage integrata: il GP Spark è un JBOF nel senso letterale del termine, esponendo ogni SSD installato come un proprio namespace NVMe-oF. Nella nostra configurazione, quattro unità apparivano come quattro dispositivi /dev/nvme sull'host. La ridondanza o lo striping sono gestiti dall'host. La scheda tecnica del produttore elenca una singola porta 100GbE a 10 GB/s e 2.7 milioni di IOPS; la descrizione del prodotto fa riferimento separatamente a configurazioni con 2 porte 100GbE e fino a 24 GB/s, una cifra che Luisuantech ha confermato essere la somma di lettura e scrittura. La nostra unità e i nostri test hanno utilizzato la configurazione a porta singola.
Specifiche della scintilla Luisuantech GP
| Specificazione | Luisuantech GP Spark |
|---|---|
| Panoramica della piattaforma | |
| Alloggiamenti per unità | 4 x M.2 NVMe (2280 / 22110) Sono supportate capacità miste, fino a 4 TB per unità. |
| Reti | QSFP28 100GbE (DAC o ottico) È richiesto il rilascio di RDMA |
| protocolli | NVMe-oF RDMA Archiviazione diretta GPU (GDS) |
| Prestazioni (dichiarate dal fornitore) | |
| Throughput | 10 GB/s per porta 100 GbE Velocità di lettura e scrittura aggregate fino a 24 GB/s |
| IOPS | 2.7M |
| Latenza di accesso | Meno di 20 microsecondi |
| Potenza e Fisico | |
| Potenza | Meno di 100 W totali Adattatore esterno USB-C PD da 20 V/5.4 A |
| Dimensioni | 150 mm x 150 mm x 26 mm (0.58 l) |
| Temperatura di esercizio | Da 0 a 40 ° C |
| Compatibilità | Scheda grafica NVIDIA DGX Spark Stazione DGX Workstation e server con schede di rete compatibili con RDMA. |
Cookie di prestazione
La nostra configurazione di test prevedeva l'abbinamento del GP Spark con un GIGABYTE DGX Spark tramite una connessione diretta a 100 GbE, con quattro SSD client NVMe KIOXIA XG8 da 1 TB installati negli alloggiamenti. È importante tenere presente che le unità scelte influiranno significativamente sulle prestazioni misurate. Abbiamo utilizzato SSD client di quinta generazione; alcuni modelli, in particolare gli SSD enterprise, potrebbero offrire prestazioni di scrittura sostenute superiori. Abbiamo eseguito test FIO su carichi di lavoro casuali da 4K e 64K e sequenziali da 1 milione, in lettura e scrittura, variando la profondità di I/O e il numero di job per mappare l'intero range di prestazioni. I risultati riflettono l'ultimo test effettuato dopo aver applicato le linee guida MTU di Luisuantech, che hanno migliorato il comportamento di trasferimento rispetto alle prove iniziali.
Prestazioni casuali 4K
È nelle operazioni di lettura a blocchi piccoli che il motore di offload dimostra il suo valore. Le letture casuali da 4K, scalate con la profondità della coda, hanno raggiunto un picco di 2.43 milioni di IOPS a 9,475 MiB/s, avvicinandosi ai 2.7 milioni dichiarati dal fornitore e saturando di fatto il collegamento 100GbE con trasferimenti da 4K. Per un dispositivo a quattro alloggiamenti alimentato passivamente che alimenta un sistema di intelligenza artificiale da scrivania, si tratta di una cifra notevole.
Le operazioni di scrittura seguono lo stesso andamento, raggiungendo circa la metà dell'altezza massima e toccando un picco di 1.19 milioni di IOPS. Il divario tra i valori massimi di lettura e scrittura è costante per tutti i carichi di lavoro eseguiti. Le prestazioni sono direttamente correlate alle unità disco utilizzate, pertanto i risultati possono variare a seconda della configurazione.
La latenza di lettura scende al minimo a 65.3 microsecondi in media con una bassa profondità della coda. Questo valore è superiore alla dichiarazione del produttore di meno di 20 microsecondi, ma i risultati possono variare a seconda dell'unità selezionata e della configurazione di rete. Anche il tempo di andata e ritorno della rete contribuisce a questo valore; la latenza rimane costante e prevedibile fino alla saturazione del collegamento.
La latenza di scrittura è l'unico aspetto in cui le specifiche tecniche corrispondono: 20.4 microsecondi in media alla profondità minima, esattamente in linea con la cifra inferiore a 20 microsecondi dichiarata dal fornitore e sufficientemente bassa da rendere l'infrastruttura praticamente invisibile all'applicazione.
Prestazioni casuali 64K
A 64K, la questione si riduce esclusivamente alla larghezza di banda. Le letture casuali raggiungono un picco di 9,503 MiB/s, statisticamente identico ai valori massimi di 4K e 1M. Qualunque sia la dimensione del blocco richiesta dal carico di lavoro, GP Spark offre sempre la stessa risposta: la velocità di linea completa della sua porta 100GbE.
Le scritture casuali da 64K raggiungono un plateau di 4,742 MiB/s, lo stesso limite massimo che abbiamo misurato con tutte le altre dimensioni di blocco.
Prestazioni sequenziali di 1 milione
Le letture sequenziali a blocchi di grandi dimensioni, tipiche del caricamento dei modelli e dello streaming dei dataset, raggiungono i 9,496 MiB/s e si mantengono a questo livello anche con profondità di coda modeste. Questo è il carico di lavoro per cui è stato creato GP Spark, e funziona alla massima velocità.
Le scritture sequenziali raggiungono una velocità di 4,742 MiB/s, circa la metà della velocità di lettura, e questo limite massimo si mantiene invariato per ogni dimensione di blocco testata. Abbiamo segnalato l'asimmetria a Luisuantech durante i test e abbiamo collaborato con l'azienda per una serie di ottimizzazioni, incluse modifiche all'MTU; i valori qui riportati rappresentano le migliori prestazioni della piattaforma nella sua attuale configurazione a porta singola, e Luisuantech ha confermato che sono coerenti con le sue specifiche per il percorso di scrittura. Per i carichi di lavoro a predominanza di lettura per cui questo dispositivo è progettato, ovvero caricamento di modelli, streaming di dataset e recupero RAG, si tratta di un aspetto trascurabile; per carichi di lavoro di acquisizione dati intensivi, è necessario adeguare di conseguenza le aspettative in termini di dimensioni.
Conclusione
Il GP Spark fa una cosa sola e la fa in modo impeccabile: fornisce a uno o più DGX Spark lo spazio di archiviazione di cui la piattaforma ha realmente bisogno per le operazioni più impegnative. Basta collegarlo, caricare il modulo del kernel e si ottengono quasi 10 GB/s di memoria flash accessibile tramite GDS, senza bisogno di installare driver, un sistema operativo per lo storage o di pagare un abbonamento aziendale. L'obiettivo è riempirlo con unità M.2 client; la capacità diventa relativamente economica quando il dispositivo accetta qualsiasi SSD 2280 o 22110 e il motore di offload gestisce il lavoro di protocollo che le unità non devono mai eseguire.
A nostro avviso, si tratta di un'aggiunta elegante e ben realizzata, piuttosto che di una vera e propria rivoluzione. Le velocità di lettura si fermano alla velocità di linea del singolo collegamento; quelle di scrittura si fermano a circa la metà. Il prezzo è ancora un'incognita: GP Spark non è ancora disponibile al dettaglio negli Stati Uniti o in Cina, la nostra unità di test è un prototipo e Luisuantech non ha ancora pubblicato i prezzi. Il vantaggio in termini di rapporto qualità-prezzo risiede nel fatto che il dispositivo avrà un prezzo significativamente inferiore rispetto alle alternative NVMe-oF di livello enterprise, cosa che la sua architettura client-drive dovrebbe consentire. Per i possessori di Spark che raggiungono i limiti dello storage interno, e la nostra recensione iniziale suggerisce che molti di loro si troveranno in questa situazione, questa rappresenta una soluzione semplice al problema, senza dover ricavare spazio di archiviazione da un'ampia infrastruttura di storage aziendale.
Amazon