Pure Storage har introducerat FlashBlade//EXA, utpekat som branschens högst presterande datalagringsplattform designad för att hantera de mest krävande AI- och HPC-arbetsbelastningarna. Detta nya erbjudande, byggt på den beprövade FlashBlade-arkitekturen, eliminerar metadataflaskhalsar som historiskt sett begränsat AI:s potential. Konstruerad för hög samtidighet och skicklig på att hantera de omfattande metadatakraven som är typiska för storskalig AI och HPC, förväntas FlashBlade//EXA ge över 10 terabyte per sekund läsprestanda inom ett enda namnområde – vilket etablerar en ny prestandastandard.
FlashBlade//EXAs grundläggande arkitektur skalar data och metadata oberoende av varandra. Organisationer kan uppnå nästan obegränsad expansion och multidimensionell prestanda genom att använda lätt tillgängliga datanoder från tredje part. Dessutom förenklar dess beroende av standardprotokoll och nätverksstandarder driftsättning, hantering och skalningsprocesser, vilket gör det enkelt för olika företagsmiljöer.
Att driva ett paradigmskifte i lagring
När GPU:er blir allt kraftfullare, vilket påskyndar utbildningen av stora AI-modeller, måste datalagringssystem anpassa sig till de ökande kraven på beräkningsintensitet, datamängd och datamångfald. Traditionella lagringslösningar, designade från början för förutsägbara HPC-arbetsbelastningar, kommer ofta till korta inom kritiska områden för modern AI, såsom samtidiga läsningar och skrivningar, metadataprestanda, låg latens och asynkron kontrollpunkt.
Rob Lee, Chief Technology Officer på Pure Storage, underströk vikten av en lösning som skalar data och metadata oberoende. Han betonade att FlashBlade//EXA:s massivt parallella arkitektur ger oöverträffad prestanda, skalbarhet och anpassningsförmåga, och noterade att nästa generations lagring nu aktivt kan driva utvecklingen av storskalig HPC och AI.
En verkligt modern lagringslösning bör erbjuda en disaggregerad, parallell design för att effektivt accelerera AI i stor skala. Organisationer kan utan ansträngning lägga till resurser för att hålla jämna steg med AI:s snabba och ständiga transformation genom att övergå från en helhetssyn.
Så vad är metadata och varför spelar det roll
Metadata hänvisar till informationen om lagrad data som hjälper till med identifiering, kategorisering, tillgänglighet och hämtning. I datahanterings- och lagringsmatriser inkluderar metadata kritiska detaljer som filnamn, storlekar, skapelsedatum, behörigheter och platser i lagringssystemet. När lagringssystem skalas och datauppsättningar växer sig större, ökar också volymen metadata avsevärt. Utan effektiv metadatahantering kan denna tillväxt leda till prestandaflaskhalsar, långsammare datahämtning och ökad latens. Detta är särskilt problematiskt för AI- och HPC-arbetsbelastningar som kräver snabb, samtidig åtkomst till massiva datamängder. Effektiv hantering av metadata är därför avgörande för att upprätthålla hög prestanda, tillförlitlighet och effektivitet i storskaliga lagringsmiljöer.
En modern arkitektur för AI- och HPC-arbetsbelastningar
Äldre högpresterande lagringstekniker utvecklades för att hantera förutsägbara HPC-arbetsbelastningar fokuserade på rå prestandaskalning. Däremot kräver dagens AI-uppgifter bearbetning av olika datatyper – text, bilder och video – parallellt över tiotusentals GPU:er. Denna förändring kräver arkitekturer som optimerar metadata samtidigt som de ger betydande prestanda för att hantera betydande samtidighet på ett effektivt sätt.
FlashBlade//EXA tillgodoser dessa krav med en disaggregerad, mycket parallell design som riktar in sig på prestanda och metadataskalning. Detta tillvägagångssätt hjälper företag att anpassa sig till växande multimodala AI-modeller, förbättra tillförlitligheten och minska vilotiderna. För att ytterligare optimera AI- och HPC-arbetsbelastningar, integrerar FlashBlade//EXA höghastighets NVIDIA ConnectX NIC, Spectrum-switchar, LinkX-kablar och accelererade kommunikationsbibliotek, vilket säkerställer sömlös datarörelse och prestanda med låg latens för storskalig träning och slutledning. Som ett resultat kan organisationer påskynda utbildning och slutledning, maximera GPU-användningen och minska den totala tiden till insikt. Dessutom, genom att para ihop Pure Storages metadatamotor och Purity-operativsystem med kostnadseffektiva råvarudatanoder, kan företag uppnå ett enastående pris-prestanda-förhållande som uppfyller kraven från storskaliga AI-projekt.
Viktiga funktioner i FlashBlade//EXA
Branschledande prestanda i stor skala
FlashBlade//EXA utnyttjar Pure Storages omfattande erfarenhet av metadataoptimering för att maximera pipelineeffektiviteten för AI-träning och slutledning. Enligt preliminära tester kan den leverera över 10 terabyte per sekund av läsprestanda i ett enda namnutrymme, vilket sätter en ny branschprestandatröskel. Denna förmåga drivs av massiv parallell bearbetning och skalbar metadata IOPS, vilket gör det möjligt för organisationer att möta kraven på höghastighets AI sömlöst.
Minskad hanteringskomplexitet
Genom att ta bort metadataflaskhalsar tar FlashBlade//EXA upp en av de största utmaningarna i AI-arbetsbelastningar: att effektivt hantera massiva datamängder. Hög metadataprestanda, tillgänglighet och motståndskraft gör att AI-distributioner kan köras utan manuell justering eller specialiserad konfiguration. Som ett resultat drar företag nytta av färre operativa hinder när de hanterar storskaliga eller snabbt utvecklande datamängder.
Accelererad AI-innovation
FlashBlade//EXAs disaggregerade arkitektur är mycket konfigurerbar och integreras med industristandardprotokoll, inklusive NVIDIAs accelererade kommunikationsbibliotek, för att möjliggöra AI-träning och slutledning med hög bandbredd. Denna djupa integration säkerställer att företag maximerar GPU-användningen samtidigt som de behåller flexibiliteten att skala AI-arbetsbelastningar effektivt. Denna design främjar sömlös utveckling inom AI- och HPC-landskapet, vilket säkerställer att organisationer snabbt kan anpassa sig till nya datatyper, innovativa applikationer och nya modeller utan att kompromissa med prestanda eller tillförlitlighet.
Tillgänglighet
FlashBlade//EXA är planerad att släppas sommaren 2025.
Amazon