การเลือกจัดเก็บข้อมูลเพื่อสนับสนุนโครงการ AI/ML

โดย Candida Valois, Field CTO, Americas, Scality

การนำ AI และ ML ไปใช้เพิ่มขึ้นอย่างรวดเร็ว ซึ่งไม่น่าแปลกใจ เมื่อพิจารณาถึงข้อมูลเชิงลึกทางธุรกิจและการเปลี่ยนแปลงอุตสาหกรรมที่ใช้เคสจำนวนมาก PwC คาดการณ์ว่าในปี 2030 AI จะมีส่วนช่วยเกือบ 16 ล้านล้านดอลลาร์สหรัฐฯ ต่อเศรษฐกิจโลก ซึ่งเท่ากับการเพิ่มขึ้น 26% ของ GDP สำหรับเศรษฐกิจท้องถิ่น

เทคโนโลยีเหล่านี้ต้องการข้อมูลที่ไม่มีโครงสร้างจำนวนมากเพื่อทำงาน และข้อมูลนั้นมักมาในรูปแบบของวิดีโอ ภาพถ่าย ข้อความ และเสียง งานโหลดประเภทนี้ต้องการแนวทางใหม่ในการจัดเก็บข้อมูล วิธีเดิมจะไม่เพียงพอ ด้วยการมาถึงของงานโหลดเหล่านี้ แอปพลิเคชันต้องการการเข้าถึงข้อมูลที่รวดเร็วมากขึ้น – ข้อมูลที่สร้างทุกที่: ในคลาวด์ ที่ขอบ และบนพื้นฐานการทำงานเหล่านี้ต้องการความหน่วงต่ำ ความสามารถในการรองรับประเภทและขนาดของพेलโหลดที่แตกต่างกัน และความสามารถในการปรับขนาดเชิงเส้น

สิ่งที่ต้องการคือแนวทางใหม่ในการส่งมอบข้อมูล ซึ่งเป็นศูนย์กลางแอปพลิเคชันมากกว่าศูนย์กลางที่ตั้งหรือเทคโนโลยี ด้วยการนำ AI/ML และการวิเคราะห์ไปใช้ขนาดใหญ่ ผู้นำด้าน IT ขององค์กรต้องการการเปลี่ยนแปลงที่สำคัญในแนวทางที่พวกเขาคิดเกี่ยวกับการจัดการและจัดเก็บข้อมูล

การจัดการขนาดไฟล์ทั้งหมด

ในแง่ของงานโหลด AI/ML และการจัดเก็บข้อมูล องค์กรต้องการโซลูชันที่สามารถจัดการประเภทงานโหลดที่แตกต่างกัน ทั้งขนาดไฟล์เล็กและใหญ่ ในบางกรณี คุณอาจต้องจัดการกับเพียงไม่กี่สิบเทระไบต์ ในขณะที่ในกรณีอื่น มีหลายพีตะไบต์ ไม่ทุกโซลูชันถูกออกแบบมาเพื่อจัดการกับไฟล์ที่มีขนาดใหญ่ เช่นเดียวกับที่ไม่สามารถจัดการกับไฟล์ที่มีขนาดเล็กได้ เทคนิคคือการค้นหาโซลูชันที่สามารถจัดการทั้งสองอย่างได้อย่างยืดหยุ่น

ความสามารถในการปรับขนาดเป็นสิ่งจำเป็น

เพื่อให้แน่ใจถึงความแม่นยำและความเร็ว องค์กรต้องการชุดข้อมูลขนาดใหญ่ เนื่องจากนั่นคือสิ่งที่อัลกอริทึม AI/ML ต้องการเพื่อฝึกโมเดลที่อยู่ภายใต้ องค์กรต้องการเติบโตในแง่ของความจุและประสิทธิภาพ แต่บ่อยครั้งถูกขัดขวางโดยโซลูชันจัดเก็บข้อมูลแบบดั้งเดิม เมื่อพวกเขาพยายามปรับขนาดเชิงเส้น พวกเขาจะไม่สามารถทำได้ งานโหลด AI/ML ต้องการโซลูชันจัดเก็บข้อมูลที่สามารถปรับขนาดได้อย่างไม่มีขอบเขตเมื่อข้อมูลเติบโต

การปฏิบัติตามข้อกำหนดด้านประสิทธิภาพ

การปรับขนาดความจุเป็นสิ่งสำคัญ แต่ไม่เพียงพอ องค์กรยังต้องการความสามารถในการปรับขนาดเชิงเส้นในแง่ของประสิทธิภาพ ไม幸ด้วย โซลูชันจัดเก็บข้อมูลแบบดั้งเดิมหลายตัว เมื่อปรับขนาดความจุ จะส่งผลให้ประสิทธิภาพลดลง เมื่อองค์กรต้องการปรับขนาดเชิงเส้นในแง่ของความจุ ประสิทธิภาพมักจะถูกขัดขวางหรือลดลง

การจัดเก็บข้อมูลที่สามารถรองรับโครงการ AI/ML

องค์กรต้องนำแนวทางใหม่ในการมองการจัดเก็บข้อมูลเมื่อ AI และ ML เพิ่มขึ้นในความนิยม แนวทางใหม่นี้ต้องทำให้พวกเขาได้รับการจัดตั้ง chạy และปรับขนาดโครงการ AI/ML ของตนอย่างเหมาะสม การฝึก AI/ML เป็นสิ่งจำเป็น ดังนั้นซอฟต์แวร์จัดเก็บข้อมูลอ็อบเจ็กต์ระดับองค์กรที่มีอยู่ในปัจจุบันถูกสร้างขึ้นเพื่อตอบสนองความต้องการนั้น องค์กรสามารถเริ่มต้นโครงการของตนในระดับเล็กๆ โดยเริ่มต้นจากเซิร์ฟเวอร์หนึ่งแล้วปรับขนาดตามความต้องการทั้งในแง่ของความจุและประสิทธิภาพ โครงการเหล่านี้ต้องการประสิทธิภาพสำหรับแอปพลิเคชันการวิเคราะห์ของตน และการจัดเก็บอ็อบเจ็กต์ที่รวดเร็วจัดหาให้ นอกจากนี้ การจัดเก็บอ็อบเจ็กต์ยังให้การจัดการชีวิตข้อมูลที่สมบูรณ์แบบทั่วหลายคลาวด์ และทำให้เกิดความยืดหยุ่นจากขอบถึงแก่น

องค์กรต้องการประมวลผลข้อมูลอย่างมีประสิทธิภาพ และการจัดเก็บอ็อบเจ็กต์ทำได้โดยให้แอปพลิเคชันเข้าถึงข้อมูลได้อย่างง่ายดาย ทั้งในสถานที่甚至ในหลายคลาวด์ ความหน่วงต่ำ ความสามารถในการปรับขนาด และความยืดหยุ่น ทำให้การจัดเก็บอ็อบเจ็กต์เป็นพันธมิตรที่แข็งแกร่งสำหรับโครงการ AI/ML