Alegerea stocării pentru a sprijini inițiativele AI/ML

De Candida Valois, Field CTO, Americas, Scality

Adoptarea ML și AI continuă să crească rapid, ceea ce nu este surprinzător, având în vedere perspectivele de afaceri și transformarea industriei pe care o oferă numeroasele sale cazuri de utilizare. PwC prezice că până în 2030, AI ar putea contribui cu aproape 16 trilioane de dolari la economia globală. Aceasta se traduce printr-o creștere cu 26% a PIB-ului pentru economiile locale.

Aceste tehnologii necesită cantități mari de date nestructurate pentru a funcționa, iar aceste date vin adesea sub formă de videoclipuri, imagini, text și voce. Sarcinile de lucru de acest tip necesită o nouă abordare a stocării datelor; vechile căi nu vor fi suficiente. Odată cu apariția unor astfel de sarcini de lucru, aplicațiile au nevoie de acces mai rapid la cantități masive de date - date care sunt create peste tot: în cloud, la margini și la nivel local. Aceste sarcini de lucru intensive necesită o latență scăzută, capacitatea de a suporta diferite tipuri și dimensiuni de sarcini utile și capacitatea de a scala liniar.

Este nevoie de o nouă abordare a furnizării datelor, una care să fie centrată pe aplicație, mai degrabă decât pe locație sau pe tehnologie. Odată cu adoptarea pe scară largă a AI/ML și a analizei, liderii IT de întreprindere au nevoie de o schimbare semnificativă în modul în care gândesc despre gestionarea și stocarea datelor.

Gestionarea tuturor dimensiunilor de fișiere

În ceea ce privește sarcinile de lucru AI/ML și stocarea datelor, organizațiile au nevoie de o soluție care să poată face față diferitelor tipuri de sarcini de lucru, atât fișiere mici, cât și mari. În unele cazuri, este posibil să fie nevoie să faceți față doar cu câteva zeci de terabytes, în timp ce în altele, există mulți petabytes. Nu toate soluțiile sunt destinate fișierelor uriașe, la fel cum nu toate le pot gestiona pe cele foarte mici. Trucul este să găsești unul care să se ocupe de ambele într-o manieră flexibilă.

Scalabilitatea este esențială

Pentru a asigura acuratețea și viteza, organizațiile au nevoie de seturi masive de date, deoarece de asta au nevoie algoritmii AI/ML pentru a antrena corect modelele subiacente. Organizațiile doresc să crească în ceea ce privește capacitatea și performanța, dar sunt adesea împiedicate de soluțiile tradiționale de stocare. Când încearcă să scaleze liniar, nu reușesc. Sarcinile de lucru AI/ML necesită o soluție de stocare care se poate scala la infinit pe măsură ce datele cresc.

Câteva sute de terabytes măresc soluțiile standard de stocare a fișierelor și blocurilor; după aceea, nu pot scala. Stocarea obiectelor se poate scala nelimitat, elastic și perfect în funcție de cerere. Și ceea ce este important la stocarea obiectelor în comparație cu stocarea tradițională este că este un spațiu complet plat în care nu există limitări. Utilizatorii nu se vor confrunta cu limitările pe care le-ar găsi cu stocarea tradițională.

Îndeplinirea cerințelor de performanță

Scalarea capacității este importantă, dar nu este suficientă. De asemenea, organizațiile au nevoie de capacitatea de a scala liniar în ceea ce privește performanța. Din păcate, cu multe soluții tradiționale de stocare, capacitatea de scalare vine în detrimentul performanței. Deci, atunci când o organizație trebuie să se scaleze liniar în ceea ce privește capacitatea, performanța tinde să scadă sau să scadă.

Paradigma de stocare standard constă în fișiere organizate într-o ierarhie, cu directoare și subdirectoare. Această arhitectură funcționează destul de bine atunci când capacitatea de date este mică, dar pe măsură ce capacitatea crește, performanța suferă la un anumit moment din cauza blocajelor sistemului și limitărilor cu tabelele de căutare a fișierelor. Cu toate acestea, stocarea obiectelor oferă un spațiu de nume plat nelimitat, astfel încât, prin simpla adăugare de noduri suplimentare, puteți scala la petaocteți și nu numai. Din acest motiv, puteți scala pentru performanță pe măsură ce scalați pentru capacitate.

Stocare care poate sprijini proiecte AI/ML

Organizațiile trebuie să adopte un nou mod de a privi stocarea pe măsură ce AI și ML cresc în popularitate. Această nouă abordare trebuie să le permită să-și stabilească, să conducă și să-și extindă inițiativele AI/ML în mod adecvat. Instruirea AI/ML este o nevoie clară, așa că unele dintre software-urile de stocare a obiectelor de nivel enterprise, disponibile astăzi, sunt create pentru a îndeplini această nevoie. Întreprinderile își pot începe inițiativele la scară mică, începând cu un singur server, apoi pot extinde după cum este necesar atât pentru capacitate, cât și pentru performanță. De asemenea, aceste proiecte au nevoie de performanță pentru aplicațiile lor de analiză, iar stocarea rapidă a obiectelor le oferă. În plus, stocarea obiectelor oferă o gestionare completă a ciclului de viață al datelor pe mai multe cloud-uri și permite flexibilitate de la margine la nucleu.

Întreprinderile trebuie să proceseze datele în mod eficient, iar stocarea obiectelor face acest lucru permițând aplicațiilor să acceseze cu ușurință datele la nivel local, chiar și în mai multe cloud-uri. Latența redusă, scalabilitatea și flexibilitatea fac din stocarea obiectelor un aliat puternic pentru inițiativele AI/ML.