Акции и новости

Эффективная стратегия развёртывания AI: опыт и решения QSAN

Искусственный интеллект и машинное обучение перестали быть экспериментальными технологиями — сегодня это фундаментальная часть цифровой трансформации во многих отраслях. 

Компании, внедряющие AI, сталкиваются не только с разработкой алгоритмов, но и с необходимостью создания надёжной инфраструктуры для работы с огромными объёмами данных. На этом этапе ключевую роль начинают играть системы хранения.

Основные вызовы при развертывании AI

При внедрении AI-платформ организации обычно сталкиваются с тремя задачами:

• Масштабируемость — объёмы данных растут лавинообразно, а хранение должно быть гибким и расширяемым.

• Высокая производительность — обучение нейросетей требует высокой пропускной способности и минимальной задержки.

• Надёжность — потеря данных может обнулить месяцы вычислений, особенно при AI-вычислениях.

Решить эти задачи на уровне серверов без специализированной СХД трудно. Необходима инфраструктура хранения, адаптированная к интенсивным нагрузкам и высоким требованиям AI.

Подход QSAN к хранению данных для AI

QSAN разрабатывает решения с учётом потребностей высоконагруженных сценариев, включая AI и ML. Вот ключевые особенности:

• Поддержка RDMA (Remote Direct Memory Access) в решениях XCubeNXT и некоторые модели XCubeFAS позволяет реализовать сверхнизкую задержку при обмене данными.

• Гибридная архитектура NVMe/SSD + HDD помогает сочетать высокую скорость работы с горячими данными и экономичное хранение архивов.

• Линейная масштабируемость и расширяемая ёмкость позволяют адаптироваться к росту данных AI-проектов.

• Надёжность и защита данных благодаря функциям RAID, снапшотам и репликации, что критично при длительных вычислительных задачах.

Реальные кейсы QSAN в сфере хранения и больших данных

1. Университет в Тяньцзине, Китай

Научно-исследовательское учреждение внедрило решение XCubeSAN 3326D, чтобы обеспечить высокую производительность и отказоустойчивость в проектах, связанных с AI, HPC, анализом поведения и VR. Система обеспечивает throughput до 12,8 GB/s и 1,3 млн IOPS.

Подробная статья

2. Казанский национальный исследовательский технологический университет (KNRTU), Россия

KNRTU внедрил XCubeNXT с актив-актив контроллерами, поддержкой 10/25 GbE, WORM-защитой и отсутствием привязки к конкретному производителю дисков. Это позволяет надёжно хранить петабайты цифровых документов и эффективно масштабировать систему.

Подробная статья

3. Университет Тайваня

Образовательное учреждение обновило свою инфраструктуру благодаря XCubeSAN с актив-актив архитектурой, SANOS 4.0 и XCubeNAS для удобного управления файлами. Система обеспечивает быстрое восстановление RAID и длительный мониторинг через XInsight.
Подробнее: (storagenewsletter.com) https://www.storagenewsletter.com/2023/03/20/taiwanese-university-selects-qsan-xcubesan/

Подробная статья

Почему эти кейсы важны для AI-инфраструктуры

• Университеты и исследовательские центры, внедрившие QSAN, активно работают с большими данными и активно используют вычислительные нагрузки, приближённые к AI.

• Технологии NVMe, RDMA, актив-актив архитектура и масштабируемость — именно тот фундамент, который требуется для построения надёжной AI-инфраструктуры.

• Кейсы демонстрируют гибкость и адаптивность решений QSAN к различным сценариям — от обработки документов до высокопроизводительных вычислений.

Что касается AI-развёртываний, инфраструктура хранения становится ключевым звеном — без неё проекты тормозятся. Решения QSAN обеспечивают не только высокую производительность и гибкость, но и надёжность, масштабируемость и защиту данных. Партнёрство и реальные внедрения на примере ведущих академических организаций показывают, что QSAN — это стратегическое решение для высоких технологий.