Backblaze och WEKA har validerat sina två plattformar tillsammans för AI-pipelines, i kombination med varandra. WEKA NeuralMesh som prestandanivån som matar GPU:er med Backblaze B2 Cloud Storage as the capacity tier that holds everything else. The integration, sizing, tuning, and testing are already done, so an AI infrastructure team can deploy a proven two-tier layout without building and qualifying its own. Certification of B2 for NeuralMesh is underway, and both companies say customers can contact either one to get started now.
Två nivåer, en datalivscykel
Raw, unstructured data, meaning the training sets, media libraries, and source files, lives in B2. When a dataset becomes part of a performance-sensitive job, it’s made available to NeuralMesh and served to the accelerators from there. Once a checkpoint, an output, or any other asset no longer needs high-performance access, it goes back to B2, where it can be reused in a later run or pulled back if a job has to recover to an earlier stage. The companies frame it as speed where the GPUs are and capacity everywhere else, with the data moving between the two as its access pattern changes.
”AI-team behöver sina GPU:er matade och en infrastruktur med prestanda och kapacitet för att stödja hela AI-dataarbetsflödet. WEKA har bemästrat prestandanivån. Vi har ägnat nästan två decennier åt att göra samma sak för kapacitetslagring”, säger Gleb Budman, VD för Backblaze. Nilesh Patel, Chief Strategy Officer på WEKA, beskrev samma press från andra hållet: ”AI-arbetsbelastningar töjer lagring i två riktningar samtidigt. GPU:er behöver mikrosekundåtkomst till data för att hålla sig matade, medan datamängder och kontrollpunkter växer till exabyte-skala. Vårt samarbete med Backblaze ger kunderna en validerad väg till båda, utan kostnaden för att bygga och testa den integrationen själva.”
Snap-to-Object testad mot B2
Another interesting piece is NeuralMesh’s Snap-to-Object, which the companies say they’ve tested with Backblaze. Snap-to-Object writes a consistent snapshot of a NeuralMesh file system out to an object store, and with B2 as the target, that store is the same capacity tier the raw data and retired checkpoints already end up in. For a training run, that means a team can revert to a checkpoint or recover saved inference data from B2 without improvising a fix in the middle of the job, and without maintaining a separate destination for snapshots. The economic effect is a cloud object tier behind NeuralMesh that’s priced as capacity, holding the snapshots alongside the data they protect.
Backblaze har positionerat B2 som kapacitetslagret för AI under hela året, från B2 Neo-erbjudandet för neocloud-plattformar till sitt prestandabenchmarkingprogram, och WEKA ger dem en prestandanivåpartner på GPU-sidan av det.
Amazon