Restez organisé à l'aide des collections
Enregistrez et classez les contenus selon vos préférences.
Parallelstore n'est disponible que sur invitation. Si vous souhaitez demander l'accès à Parallelstore dans votre projet Google Cloud , contactez votre représentant commercial.
Parallelstore est un système de fichiers distribué entièrement géré et à faible latence conçu pour répondre aux exigences du calcul hautes performances (HPC) et des applications gourmandes en données.
Parallelstore est idéal pour les cas d'utilisation où plusieurs clients ont besoin d'un accès simultané à des fichiers partagés avec intégrité des données.
Parallelstore est compatible avec la norme POSIX, ce qui garantit la compatibilité avec un large éventail d'applications et d'outils existants, ce qui simplifie la migration et l'intégration.
Les instances Parallelstore peuvent être installées sur des VM Compute Engine ou des clusters Google Kubernetes Engine. Le pilote CSI Parallelstore permet aux clients d'utiliser les API Kubernetes pour accéder au système de fichiers en tant que volumes pour leurs charges de travail avec état.
Les transferts de données par lot vers et depuis Cloud Storage sont disponibles à partir de la ligne de commande et de l'API REST.
Spécifications
Parallelstore est un système de fichiers "scratch" : il est basé sur un SSD local avec un codage par effacement 2+1, avec un MTTDL (temps moyen de perte de données) de 2 à 16 mois, en fonction de la capacité de l'instance. Pour en savoir plus, consultez le tableau Performances.
La capacité utilisable peut être configurée entre 12 Tio et 100 Tio.
Les performances attendues de Parallelstore sont indiquées dans le tableau suivant.
Métrique
Résultat
Débit en écriture
0,5 Gio/s par Tio
Débit en lecture
1,15 Gio/s par Tio
IOPS en lecture
30 000 IOPS par Tio
IOPS en écriture
10 000 IOPS par Tio
Latence de lecture 4K
0,3 ms
Nombre de processus client acceptés
4000
Vitesse de transfert (Parallelstore <> Cloud Storage)
Taux de transfert maximal de 20 Gbit/s ou 5 000 fichiers par seconde
Durée moyenne de perte de données (MTTDL)
Capacité de 100 Tio: 2 mois
Capacité de 48 Tio: 4 mois
Capacité de 12 Tio: 16 mois
Ces chiffres sont mesurés à l'aide de 256 connexions client à une seule instance. La latence est mesurée à partir d'un seul client. Les paramètres de suppression de répertoires et de fichiers sont optimisés pour chaque métrique.
Cas d'utilisation
Calcul hautes performances: Parallelstore excelle dans les environnements HPC, où plusieurs nœuds de calcul ont besoin d'un accès rapide et cohérent aux données partagées pour les simulations, la modélisation et l'analyse.
Machine learning: Parallelstore peut gérer les grands ensembles de données et les exigences de débit élevé des charges de travail de machine learning, ce qui permet d'effectuer une formation et une inférence efficaces.
Sauf indication contraire, le contenu de cette page est régi par une licence Creative Commons Attribution 4.0, et les échantillons de code sont régis par une licence Apache 2.0. Pour en savoir plus, consultez les Règles du site Google Developers. Java est une marque déposée d'Oracle et/ou de ses sociétés affiliées.
Dernière mise à jour le 2025/09/04 (UTC).
[[["Facile à comprendre","easyToUnderstand","thumb-up"],["J'ai pu résoudre mon problème","solvedMyProblem","thumb-up"],["Autre","otherUp","thumb-up"]],[["Difficile à comprendre","hardToUnderstand","thumb-down"],["Informations ou exemple de code incorrects","incorrectInformationOrSampleCode","thumb-down"],["Il n'y a pas l'information/les exemples dont j'ai besoin","missingTheInformationSamplesINeed","thumb-down"],["Problème de traduction","translationIssue","thumb-down"],["Autre","otherDown","thumb-down"]],["Dernière mise à jour le 2025/09/04 (UTC)."],[],[],null,["# Parallelstore overview\n\nParallelstore is available by invitation only. If you'd like to request access to Parallelstore in your Google Cloud project, contact your sales representative.\n\nParallelstore is a fully managed, low-latency distributed file system\ndesigned to meet the demands of high performance computing (HPC) and\ndata-intensive applications.\n\nParallelstore is ideal for use cases where multiple clients need concurrent\naccess to shared files with data integrity.\n\nParallelstore supports the POSIX standard, ensuring\ncompatibility with a wide range of existing applications and tools,\nsimplifying migration and integration.\n\nParallelstore instances can be mounted to Compute Engine VMs or\nGoogle Kubernetes Engine clusters. The [Parallelstore CSI driver](/parallelstore/docs/csi-driver-overview) enables\ncustomers to use Kubernetes APIs to access the file system as volumes for\ntheir stateful workloads.\n\n[Batch data transfers](/parallelstore/docs/transfer-data) into and out of\nCloud Storage are available from the command line and the REST API.\n\nSpecifications\n--------------\n\n- Parallelstore is a \"scratch\" file system: it's backed by local SSD with\n 2+1 erasure coding, with a mean time to data loss (MTTDL) from 2 to 16\n months, depending on instance capacity. See the [Performance](#performance)\n table for details.\n\n- Usable capacity can be configured from 12TiB to 100TiB.\n\n- Supported in [multiple regions](/parallelstore/docs/locations).\n\nPerformance\n-----------\n\nExpected performance from Parallelstore is shown in the following table.\n\nThese numbers are measured using 256 client connections to a single\ninstance. Latency is measured from a single client. Directory and file\nstriping settings are optimized for each metric.\n\nUse Cases\n---------\n\n- **High-performance computing**: Parallelstore excels in HPC environments where\n multiple compute nodes need fast and consistent access to shared data for\n simulations, modeling, and analysis.\n\n- **Machine learning**: Parallelstore can handle the large datasets and high\n throughput requirements of machine learning workloads, enabling efficient\n training and inference.\n\nPricing\n-------\n\nSee the [Pricing](/parallelstore/pricing) page for details."]]
