Chọn Lưu Trữ Để Hỗ Trợ Các Dự Án AI/ML

By Candida Valois, Field CTO, Americas, Scality

Sự áp dụng ML và AI tiếp tục tăng nhanh, điều này không có gì ngạc nhiên, given the insights kinh doanh và chuyển đổi ngành công nghiệp mà các trường hợp sử dụng của nó dự đoán. PwC dự đoán rằng vào năm 2030, AI có thể đóng góp gần 16 nghìn tỷ đô la cho nền kinh tế toàn cầu. Điều này tương đương với mức tăng 26% GDP cho các nền kinh tế địa phương.

Các công nghệ này yêu cầu lượng dữ liệu không cấu trúc khổng lồ để hoạt động, và dữ liệu thường đến dưới dạng video, hình ảnh, văn bản và giọng nói. Các công việc của các loại này yêu cầu một cách tiếp cận mới để lưu trữ dữ liệu; cách cũ sẽ không đủ. Với sự ra đời của các công việc như vậy, các ứng dụng cần truy cập nhanh vào lượng dữ liệu khổng lồ – dữ liệu được tạo ra ở mọi nơi: trên đám mây, ở các biên và tại chỗ. Các công việc đòi hỏi khắt khe này yêu cầu độ trễ thấp, khả năng hỗ trợ các loại và kích thước tải khác nhau, và khả năng mở rộng tuyến tính.

Điều cần thiết là một cách tiếp cận mới để giao tiếp dữ liệu, một cách tiếp cận tập trung vào ứng dụng hơn là tập trung vào vị trí hoặc công nghệ. Với sự áp dụng rộng rãi của AI/ML và phân tích, các nhà lãnh đạo CNTT doanh nghiệp cần một sự thay đổi đáng kể trong cách họ nghĩ về quản lý và lưu trữ dữ liệu.

Xử Lý Tất Cả Kích Cỡ Tập Tin

Về mặt công việc AI/ML và lưu trữ dữ liệu, các tổ chức cần một giải pháp có thể xử lý các loại công việc khác nhau, cả tập tin nhỏ và lớn. Trong một số trường hợp, bạn có thể cần xử lý chỉ một vài chục terabyte, trong khi ở các trường hợp khác, có nhiều petabyte. Không tất cả các giải pháp đều được thiết kế cho các tập tin lớn, cũng như không tất cả đều có thể xử lý các tập tin nhỏ. Bí quyết là tìm một giải pháp có thể xử lý cả hai một cách linh hoạt.

Tính Mở Rộng Là Điều Cần Thiết

Để đảm bảo độ chính xác và tốc độ, các tổ chức cần các tập dữ liệu khổng lồ vì đó là những gì các thuật toán AI/ML cần để đào tạo các mô hình cơ bản. Các tổ chức muốn phát triển về khả năng và hiệu suất nhưng thường bị cản trở bởi các giải pháp lưu trữ truyền thống. Khi họ cố gắng mở rộng tuyến tính, họ không thể làm được. Các công việc AI/ML yêu cầu một giải pháp lưu trữ có thể mở rộng vô hạn khi dữ liệu tăng lên.

Một vài trăm terabyte sẽ làm đầy các giải pháp lưu trữ tệp và khối tiêu chuẩn; sau đó, chúng không thể mở rộng. Lưu trữ đối tượng có thể mở rộng vô hạn, đàn hồi và không ngừng dựa trên nhu cầu. Và điều quan trọng về lưu trữ đối tượng so với lưu trữ truyền thống là đó là một không gian hoàn toàn phẳng trong đó không có giới hạn. Người dùng sẽ không gặp phải các giới hạn họ sẽ tìm thấy với lưu trữ truyền thống.

Đáp Ứng Các Yêu Cầu Hiệu Suất

Mở rộng khả năng là điều quan trọng, nhưng nó không đủ. Các tổ chức cũng cần khả năng mở rộng tuyến tính về hiệu suất. Thật không may, với nhiều giải pháp lưu trữ truyền thống, mở rộng khả năng đi kèm với sự hy sinh về hiệu suất. Vì vậy, khi một tổ chức cần mở rộng tuyến tính về khả năng, hiệu suất có xu hướng đạt đến giới hạn hoặc giảm.

Mô hình lưu trữ tiêu chuẩn bao gồm các tệp được tổ chức thành một hệ thống phân cấp, với các thư mục và thư mục con. Kiến trúc này hoạt động khá tốt khi khả năng là nhỏ, nhưng khi khả năng tăng lên, hiệu suất sẽ bị suy giảm tại một điểm nhất định do các nút thắt và giới hạn của các bảng tìm kiếm tệp. Tuy nhiên, lưu trữ đối tượng cung cấp một không gian tên phẳng không giới hạn để chỉ bằng cách thêm các nút bổ sung, bạn có thể mở rộng đến petabyte và hơn thế. Vì lý do này, bạn có thể mở rộng để đáp ứng hiệu suất khi bạn mở rộng để đáp ứng khả năng.

Lưu Trữ Có Thể Hỗ Trợ Các Dự Án AI/ML

Các tổ chức phải áp dụng một cách mới để nhìn vào lưu trữ khi AI và ML trở nên phổ biến. Cách tiếp cận mới này phải trao quyền cho họ để thiết lập, chạy và mở rộng các dự án AI/ML của họ một cách chính xác. Đào tạo AI/ML là một nhu cầu rõ ràng, vì vậy một số phần mềm lưu trữ đối tượng cấp doanh nghiệp có sẵn ngày nay được xây dựng để đáp ứng nhu cầu đó. Các doanh nghiệp có thể bắt đầu các dự án của mình với quy mô nhỏ, bắt đầu với một máy chủ, sau đó mở rộng khi cần thiết cho cả khả năng và hiệu suất. Các dự án này cũng cần hiệu suất cho các ứng dụng phân tích của họ, và lưu trữ đối tượng nhanh cung cấp điều đó. Ngoài ra, lưu trữ đối tượng cung cấp quản lý vòng đời dữ liệu hoàn chỉnh trên nhiều đám mây và cho phép linh hoạt từ biên đến lõi.

Các doanh nghiệp cần xử lý dữ liệu một cách hiệu quả, và lưu trữ đối tượng làm điều này bằng cách cho phép các ứng dụng truy cập dễ dàng vào dữ liệu tại chỗ, ngay cả trong nhiều đám mây. Độ trễ thấp, khả năng mở rộng và linh hoạt của nó làm cho lưu trữ đối tượng trở thành một đồng minh mạnh mẽ cho các sáng kiến AI/ML.