Parallelstore adalah sistem file terdistribusi latensi rendah yang dikelola sepenuhnya dan dirancang untuk memenuhi permintaan komputasi berperforma tinggi (HPC) dan aplikasi yang membutuhkan banyak data.
Parallelstore ideal untuk kasus penggunaan saat beberapa klien memerlukan akses serentak ke file bersama dengan integritas data.
Parallelstore mendukung standar POSIX, yang memastikan kompatibilitas dengan berbagai aplikasi dan alat yang ada, sehingga menyederhanakan migrasi dan integrasi.
Instance parallelstore dapat dipasang ke VM Compute Engine atau cluster Google Kubernetes Engine. Driver CSI Parallelstore memungkinkan pelanggan menggunakan Kubernetes API untuk mengakses sistem file sebagai volume untuk workload stateful mereka.
Transfer data batch ke dalam dan ke luar Cloud Storage tersedia dari command line dan REST API.
Spesifikasi
Parallelstore adalah sistem file "scratch": didukung oleh SSD lokal dengan coding penghapusan 2+1, dengan waktu rata-rata hingga kehilangan data (MTTDL) dari 2 hingga 16 bulan, bergantung pada kapasitas instance. Lihat tabel Performa untuk mengetahui detailnya.
Kapasitas yang dapat digunakan dapat dikonfigurasi dari 12 TiB hingga 100 TiB.
Didukung di beberapa region.
Performa
Performa yang diharapkan dari Parallelstore ditampilkan dalam tabel berikut.
| Metrik | Hasil |
|---|---|
| Throughput Tulis | 0,5 GiBps per TiB |
| Throughput baca | 1,15 GiBps per TiB |
| IOPS Baca | 30 ribu IOPs per TiB |
| IOPS Tulis | 10 ribu IOPS per TiB |
| Latensi Baca 4K | 0,3 md |
| Jumlah proses klien yang didukung | 4000 |
| Kecepatan transfer (Parallelstore <> Cloud Storage) | Kecepatan transfer maksimum 20 GiBps atau 5.000 file per detik |
| Rata-rata waktu hingga data hilang (MTTDL) | Kapasitas 100 TiB: 2 bulan
Kapasitas 48 TiB: 4 bulan Kapasitas 12 TiB: 16 bulan |
Jumlah ini diukur menggunakan 256 koneksi klien ke satu instance. Latensi diukur dari satu klien. Setelan pemisahan direktori dan file dioptimalkan untuk setiap metrik.
Kasus Penggunaan
Komputasi berperforma tinggi: Parallelstore unggul di lingkungan HPC tempat beberapa node komputasi memerlukan akses yang cepat dan konsisten ke data bersama untuk simulasi, pemodelan, dan analisis.
Machine learning: Parallelstore dapat menangani set data besar dan persyaratan throughput tinggi dari beban kerja machine learning, sehingga memungkinkan pelatihan dan inferensi yang efisien.
Harga
Lihat halaman Harga untuk mengetahui detailnya.