Quantum သည် ၎င်း၏ ActiveScale object storage platform ကို အဆင့်မြှင့်တင်ထားပြီး Glacier-class archive tiers များရှိ cold data များကို ဝင်ရောက်ကြည့်ရှုနိုင်မှုကို သိသိသာသာ မြှင့်တင်ပေးပါသည်။ ဤအဆင့်မြှင့်တင်မှုတွင် Quantum ၏ မူပိုင်ခွင့်ရ erasure-coded object-on-tape ဒီဇိုင်းကို အသုံးပြု၍ tape-based cold storage အတွက် သီးသန့် Ranged Restore စွမ်းရည် ပါဝင်သည်။
အရာဝတ္ထုငယ်စွမ်းဆောင်ရည်အတွက် အကောင်းဆုံးဖြစ်အောင်ပြုလုပ်ထားသော restore engine အသစ်နှင့်အတူ၊ ဤပြောင်းလဲမှုများသည် tape archive များကို နှေးကွေးသော၊ အော့ဖ်လိုင်းသိုလှောင်မှုမှ AI၊ analytics နှင့် high-performance computing အတွက် အသင့်ဖြစ်နေသော responsive၊ API-accessible data lake များအဖြစ်သို့ ပြောင်းလဲပေးသည်။
ActiveScale သည် ယခုအခါ ဖောက်သည်များအား ဖိုင်တစ်ခုလုံးကို ပြန်လည်ရေဓာတ်ဖြည့်တင်းခြင်းအစား အရာဝတ္ထုကြီးများမှ ၎င်းတို့လိုအပ်သော byte range များကိုသာ ပြန်လည်ရယူခွင့်ပြုပါသည်။ ဤရွေးချယ်ထားသော restore သည် cold storage ၏ စီးပွားရေးနှင့် အတွေ့အကြုံကို ပြောင်းလဲစေသည်။ AI လေ့ကျင့်မှု၊ data validation သို့မဟုတ် compliance query များတွင် လုပ်ဆောင်နေသော အဖွဲ့များသည် full-object retrieval နှင့် ဆက်စပ်သော နှောင့်နှေးမှုများနှင့် resource cost များမရှိဘဲ အလုပ်များကို ပြီးမြောက်ရန် လိုအပ်သော တိကျသော segment များကို ဝင်ရောက်ကြည့်ရှုနိုင်ပါသည်။ စောင့်ဆိုင်းချိန်များနှင့် egress သက်ရောက်မှု လျော့ကျမှုသည် workflow များကို မြန်ဆန်စေပြီး compute cluster များနှင့် network များတစ်လျှောက် infrastructure စွမ်းဆောင်ရည်ကို မြှင့်တင်ပေးပါသည်။ Quantum မှ ၎င်းသည် tape-based cold storage အတွက် ActiveScale တွင်သာရှိသော custom S3 Glacier extension တစ်ခုဖြစ်ပြီး archive အသုံးပြုနိုင်စွမ်းတွင် ရေရှည်တည်ရှိနေသော ပြဿနာကို ဖြေရှင်းပေးကြောင်း မှတ်ချက်ပြုထားသည်။
Ranged Restore ကို ပံ့ပိုးပေးခြင်းသည် ဉာဏ်ရည်ထက်မြက်သော batching နှင့် request ordering ကြောင့် small-object လုပ်ဆောင်ချက်များအတွက် throughput ကို ငါးဆကျော် မြှင့်တင်ပေးသည့် restore engine အသစ်တစ်ခုဖြစ်သည်။ AI နှင့် analytics tasks အများစုသည် label shards၊ feature indexes သို့မဟုတ် compliance metadata scans ကဲ့သို့သော သေးငယ်သောဖိုင်များကို မြင့်မားစွာဝင်ရောက်ခွင့် လိုအပ်သည်။ ရိုးရာအစဉ်အလာအရ၊ cold tiers များသည် ဤ tasks များအတွက် နှောင့်နှေးမှုများ ဖြစ်စေခဲ့သည်။ ActiveScale ၏ စွမ်းဆောင်ရည်တိုးတက်မှုများဖြင့် small-object restores များသည် ပိုမိုမြန်ဆန်စွာ ဖြစ်ပေါ်လာပြီး iteration cycles များကို ပိုမိုမြန်ဆန်စေခြင်း၊ job concurrency ပိုမိုမြင့်မားခြင်းနှင့် GPU နှင့် CPU resources များကို ပိုမိုကောင်းမွန်စွာ အသုံးချနိုင်စေပါသည်။ အလုံးစုံအကျိုးသက်ရောက်မှုမှာ targeted retrievals အတွက် warm analytical layer ကဲ့သို့ ပိုမိုလုပ်ဆောင်သော cold tier ဖြစ်သည်။
Quantum ရဲ့ ဦးဆောင်မှုက ဒီအပ်ဒိတ်ကို မော်ကွန်းတိုက်တွေကနေ တန်ဖိုးထုတ်ယူမှုကို မြှင့်တင်ဖို့ နည်းလမ်းတစ်ခုအဖြစ် တင်ပြပါတယ်။ Quantum ရဲ့ CEO Hugues Meyrath က အဓိကပြဿနာက မော်ကွန်းတိုက်တွေ ကြီးထွားလာမလားဆိုတာ မဟုတ်ဘဲ အဖွဲ့အစည်းတွေက လေ့ကျင့်ရေးနဲ့ ခွဲခြမ်းစိတ်ဖြာမှုအတွက် မှန်ကန်တဲ့ဒေတာကို ဘယ်လောက်မြန်မြန် ရယူနိုင်မလဲဆိုတာကသာ အဓိကဖြစ်တယ်လို့ အလေးပေးပြောကြားခဲ့ပါတယ်။ ဒေတာအတွက် နာရီပေါင်းများစွာ ဒါမှမဟုတ် ရက်ပေါင်းများစွာ စောင့်ဆိုင်းရတာက ထုတ်လုပ်နိုင်စွမ်းကို ထိခိုက်စေပြီး ကုန်ကျစရိတ်တွေကို မြင့်တက်စေနိုင်တယ်ဆိုတာကို သူက ထောက်ပြပါတယ်။ ActiveScale ရဲ့ လုပ်ဆောင်ချက်အသစ်တွေက ကြီးမားတဲ့ ရေရှည်မော်ကွန်းတိုက်တွေကို exabyte အဆင့်မှာ ပိုမိုလွယ်ကူစွာ အသုံးပြုနိုင်ပြီး AI-ready ဖြစ်စေပါတယ်။
ထုတ်ကုန်အရာရှိချုပ် Geoff Barrall က cold data ကို offline အဖြစ် မမြင်သင့်တော့ဘူးလို့ ထပ်လောင်းပြောကြားခဲ့ပါတယ်။ ရိုးရာ Glacier-class storage ရဲ့ ကန့်သတ်ချက်တွေကို ဖယ်ရှားခြင်းအားဖြင့် ActiveScale ဟာ tape storage ကို မြန်ဆန်ပြီး စံနှုန်းတွေနဲ့ မောင်းနှင်တဲ့ asset တစ်ခုအဖြစ် ပြောင်းလဲပေးပြီး programmatically query လုပ်ကာ high-throughput data workflows တွေမှာ integrate လုပ်နိုင်ပါတယ်။
ခွဲခြားခြင်းသည် အောက်ပါတို့အပါအဝင် အဓိကရှုထောင့်သုံးခုပေါ်တွင် မူတည်သည်-
- byte-range level မှာ selective retrieval လုပ်ခြင်းက အရာဝတ္ထုကြီးတွေအတွက် first-byte ထဲကို data တွေရောက်ဖို့ အချိန်ကို လျှော့ချပေးပြီး မလိုအပ်တဲ့ data ရွှေ့ပြောင်းမှုကို အနည်းဆုံးဖြစ်အောင် လုပ်ပေးတာကြောင့် egress၊ compute နဲ့ energy ကုန်ကျစရိတ်တွေကို လျော့နည်းစေပါတယ်။
- သေးငယ်သော အရာဝတ္ထုစွမ်းဆောင်ရည် တိုးတက်မှုသည် AI နှင့် HPC ပိုက်လိုင်းများတွင် သိသာထင်ရှားသော အားနည်းချက်တစ်ခုကို ဖြေရှင်းပေးပြီး၊ သေးငယ်သောဖိုင်သန်းပေါင်းများစွာကို ဝင်ရောက်ကြည့်ရှုခြင်းသည် archive-tier storage ၏ latency နှင့် သမိုင်းကြောင်းအရ ပဋိပက္ခဖြစ်ခဲ့ဖူးသည်။
- ဒီဇိုင်းသည် S3 လိုက်ဖက်ညီမှုကို ထိန်းသိမ်းထားပြီး Quantum ၏ object-on-tape ချဉ်းကပ်မှုနှင့် ထူးခြားသောပုံစံဖြင့် Glacier semantics ကို တိုးချဲ့ပေးသောကြောင့် သုံးစွဲသူများအနေဖြင့် ၎င်းတို့၏ အပလီကေးရှင်းများကို ပြန်လည်ဒီဇိုင်းထုတ်စရာမလိုဘဲ cold-tier access ကို ခေတ်မီအောင်ပြုလုပ်နိုင်စေပါသည်။
ActiveScale ရဲ့ erasure-coded object-on-tape ဒီဇိုင်းရဲ့ အဓိကအချက်က အရေးကြီးပါတယ်။ Erasure coding က restore operations တွေအတွင်း parallelism ကိုခွင့်ပြုပေးနေချိန်မှာပဲ media တစ်လျှောက်မှာ data တွေရဲ့ ကြာရှည်ခံမှုကို ကာကွယ်ပေးပါတယ်။ tape motion ကို အကောင်းဆုံးဖြစ်အောင် read တွေနဲ့ ordering request တွေကို ဉာဏ်ရည်ထက်မြက်စွာ စီမံခန့်ခွဲခြင်းအားဖြင့် ActiveScale က mechanical overhead ကို လျှော့ချပေးပြီး sequential media ကို selective, high-throughput retrieval အတွက် အသုံးပြုနိုင်တဲ့ layer အဖြစ် ပြောင်းလဲပေးပါတယ်။ ရလဒ်အနေနဲ့ real-time ဒါမှမဟုတ် near-real-time pipelines တွေမှာ ပါဝင်နိုင်တဲ့ cold tier တစ်ခု၊ training jobs တွေကို ပံ့ပိုးပေးနိုင်တဲ့၊ feature store တွေကို ဖြည့်တင်းပေးနိုင်တဲ့၊ tape နဲ့ ဆက်စပ်နေတဲ့ ရိုးရာ operational cost တွေမပါဘဲ targeted eDiscovery နဲ့ compliance request တွေကို ဖြည့်ဆည်းပေးနိုင်တဲ့ cold tier တစ်ခု ဖြစ်ပါတယ်။
ဤအပ်ဒိတ်များသည် ဒေတာအင်ဂျင်နီယာနှင့် MLOps များတွင် ထုတ်လုပ်နိုင်စွမ်းကို မြှင့်တင်ရန် ရည်ရွယ်ပါသည်။ ပိုမိုမြန်ဆန်ပြီး ပစ်မှတ်ထား ပြန်လည်ရယူခြင်းသည် အဖွဲ့များအား ဒေတာစုများကို အတည်ပြုနိုင်စေခြင်း၊ အပ်ဒိတ်လုပ်ထားသော နမူနာများဖြင့် လေ့ကျင့်မှုကို ပြန်လည်လုပ်ဆောင်ခြင်း သို့မဟုတ် လက်ရှိအလုပ်များကို အနည်းဆုံးအနှောင့်အယှက်ဖြင့် စာရင်းစစ်ခြင်းများ လုပ်ဆောင်နိုင်စေပါသည်။ ယခင်က warm tier တွင် staging data လိုအပ်ခဲ့သော workflow များသည် ယခုအခါ အခြေအနေများစွာတွင် အလယ်အလတ်အဆင့်များကို ကျော်ဖြတ်နိုင်ပြီဖြစ်ပြီး၊ ပိုက်လိုင်းများကို ချောမွေ့စေပြီး အခြေခံအဆောက်အအုံ ရှုပ်ထွေးမှုကို လျှော့ချပေးပါသည်။ multi-petabyte မှ exabyte မော်ကွန်းတိုက်များကို စီမံခန့်ခွဲသော အဖွဲ့အစည်းများအတွက်၊ ဤပေါင်းစည်းမှုသည် ရေရှည်ဒေတာထိန်းသိမ်းမှုကုန်ကျစရိတ်များကို စီမံခန့်ခွဲနိုင်စေသည့်အပြင် ပိုင်ဆိုင်မှုစုစုပေါင်းကုန်ကျစရိတ်ကို လျှော့ချပေးပါသည်။
အုပ်ချုပ်မှုနှင့် အန္တရာယ်ရှုထောင့်မှကြည့်လျှင် မော်ကွန်းတိုက်များကို "မေးမြန်းရန်အသင့်" ဖြစ်စေခြင်းသည် ဒေတာရရှိနိုင်မှု၊ မျိုးရိုးဗီဇနှင့် ပြန်လည်ထုတ်လုပ်နိုင်မှုတို့အတွက် မြင့်တက်လာသော မျှော်လင့်ချက်များနှင့် ကိုက်ညီပါသည်။ ရွေးချယ်ဝင်ရောက်ခွင့်နှင့် ပိုမိုကောင်းမွန်သော throughput ဖြင့် ကုမ္ပဏီများသည် ကုန်ကျစရိတ်သက်သာသော cold tier တွင် ဒေတာများကို သိမ်းဆည်းနိုင်သော်လည်း ပြည်တွင်းနောက်ဆုံးရက်များ၊ စည်းမျဉ်းစည်းကမ်းဆိုင်ရာ လိုအပ်ချက်များနှင့် AI စမ်းသပ်မှုအချိန်ဇယားများမှ လိုအပ်သော တုံ့ပြန်မှုကို ဖြည့်ဆည်းပေးနိုင်ပါသည်။ ဤချဉ်းကပ်မှုသည် ဝင်ရောက်ကြည့်ရှုသည့်ဒေတာပမာဏကို ကန့်သတ်ခြင်းဖြင့် ပြန်လည်ရယူခြင်းအန္တရာယ်ကိုလည်း လျှော့ချပေးပြီး၊ ထို့ကြောင့် egress exposure ကို လျှော့ချပေးပြီး ဝင်ရောက်ခွင့်ထိန်းချုပ်မှုကို ရိုးရှင်းစေသည်။
Quantum သည် ဤစွမ်းရည်များသည် cold data အတွက် ဘက်စုံသုံး၊ အနာဂတ်အတွက် သင့်တော်သော platform တစ်ခုအနေဖြင့် ActiveScale ၏ ရပ်တည်ချက်ကို အားကောင်းစေသည်ဟု မြင်သည်။ archive-tier storage ကို မြန်ဆန်ပြီး ရွေးချယ်နိုင်သော layer အဖြစ် ပြောင်းလဲခြင်းဖြင့် ActiveScale သည် ကုမ္ပဏီများအား အသက်အရွယ် သို့မဟုတ် volume မည်သို့ပင်ရှိစေကာမူ ၎င်းတို့၏ data ၏တန်ဖိုးကို unlock လုပ်နိုင်သည်။ platform ၏ Glacier-compatible API နှင့်အတူ ထူးခြားသော tape-aware extension များသည် မတူညီသော platform များသို့ ပြောင်းလဲရန်မလိုဘဲ cold storage ကို AI နှင့် analytics ထဲသို့ ပေါင်းစပ်ရန် လက်တွေ့ကျသောနည်းလမ်းကို ပေးပါသည်။
ဤမြှင့်တင်မှုများကို ယခုရရှိနိုင်ပါပြီ။
အမေဇုံ