Parallelstore è un file system distribuito a bassa latenza e completamente gestito progettato per soddisfare le esigenze del calcolo ad alte prestazioni (HPC) e delle applicazioni che richiedono un uso intensivo di dati.
Parallelstore è ideale per i casi d'uso in cui più client hanno bisogno di accesso simultaneo ai file condivisi con integrità dei dati.
Parallelstore supporta lo standard POSIX, garantendo la compatibilità con una vasta gamma di applicazioni e strumenti esistenti e semplificando la migrazione e l'integrazione.
Le istanze Parallelstore possono essere montate su VM Compute Engine o su cluster Google Kubernetes Engine. Il driver CSI di Parallelstore consente ai clienti di utilizzare le API Kubernetes per accedere al file system come volumi per i loro carichi di lavoro stateful.
I trasferimenti batch di dati in Cloud Storage e da Cloud Storage sono disponibili dalla riga di comando e dall'API REST.
Specifiche
Parallelstore è un file system "scratch": è basato su SSD locale con erasure coding 2+1, con un tempo medio di perdita di dati (MTTDL) da 2 a 16 mesi, a seconda della capacità dell'istanza. Per informazioni dettagliate, consulta la tabella Rendimento.
La capacità utilizzabile può essere configurata da 12 TiB a 100 TiB.
Supportato in più regioni.
Prestazioni
Il rendimento previsto di Parallelstore è mostrato nella tabella seguente.
| Metrica | Risultato |
|---|---|
| Portata di scrittura | 0,5 Gbps per TiB |
| Velocità effettiva di lettura | 1,15 GiBps per TiB |
| IOPS di lettura | 30.000 IOPS per TiB |
| IOPS di scrittura | 10.000 IOPS per TiB |
| Latenza di lettura 4K | 0,3 ms |
| Numero di processi client supportati | 4000 |
| Velocità di trasferimento (Parallelstore <> Cloud Storage) | Velocità di trasferimento massima di 20 GiBps o 5000 file al secondo |
| Tempo medio di perdita di dati (MTTDL) | Capacità di 100 TiB: 2 mesi
Capacità di 48 TiB: 4 mesi Capacità di 12 TiB: 16 mesi |
Questi numeri vengono misurati utilizzando 256 connessioni client a una singola istanza. La latenza viene misurata da un singolo client. Le impostazioni di spianamento di directory e file sono ottimizzate per ogni metrica.
Casi d'uso
Computing ad alte prestazioni: Parallelstore eccelle negli ambienti HPC in cui più nodi di calcolo richiedono accesso rapido e coerente ai dati condivisi per simulazioni, modellazione e analisi.
Machine learning: Parallelstore può gestire i set di dati di grandi dimensioni e i requisiti di throughput elevato dei workload di machine learning, consentendo un addestramento e un'inferenza efficienti.
Prezzi
Per informazioni dettagliate, consulta la pagina Prezzi.