Accelera l'addestramento e l'erogazione dell'AI e dell'HPC con il file system parallelo di Google ad alte prestazioni e conforme a POSIX.
Funzionalità
L'addestramento di modelli di deep learning di grandi dimensioni richiede set di dati di grandi dimensioni. Managed Lustre, basato su DDN EXAScaler, distribuisce l'accesso ai dati, riducendo i tempi di addestramento e consentendo insight più rapidi, una maggiore accuratezza e la gestione di progetti di AI complessi. La sua scalabilità assicura che le prestazioni riescano a stare al passo con la crescita dei dati, prevenendo i colli di bottiglia di archiviazione.
Managed Lustre consente query e elaborazione rapidi di grandi set di dati archiviati nel cloud. Ciò consente una generazione più rapida dei report di business intelligence, analisi in tempo reale ed esplorazione dei dati più efficace.
Ottimizza l'utilizzo delle risorse distribuendo in modo efficiente dati e attività di elaborazione. Ciò può comportare una riduzione dei costi di archiviazione, una diminuzione dei costi di calcolo e un miglioramento generale dell'efficienza in termini di costi. Funzionalità come struttura dei livelli dei dati, compressione e posizionamento intelligente dei dati possono contribuire anche al risparmio sui costi.
Come funziona
La configurazione e l'utilizzo dell'infrastruttura HPC on-premise è costosa e richiede una manutenzione continua. Inoltre, l'infrastruttura on-premise in genere non può essere scalata rapidamente per adattarsi alle variazioni della domanda. Pianificare, acquistare, eseguire il deployment e dismettere l'hardware on-premise richiede molto tempo, con conseguente ritardo nell'aggiunta di risorse HPC o capacità sottoutilizzate. Nel cloud, puoi eseguire il provisioning in modo efficiente dell'infrastruttura HPC che utilizza la tecnologia più recente e puoi scalare la tua capacità on demand. Scienziati, ricercatori e analisti possono accedere rapidamente a una capacità HPC aggiuntiva per i loro progetti quando ne hanno bisogno.
Utilizzi comuni
I file system paralleli accelerano notevolmente l'addestramento e l'inferenza dell'AI fornendo un accesso a bassa latenza e ad alta velocità effettiva a enormi set di dati. Questi sistemi distribuiscono i dati su più nodi di archiviazione, consentendo l'accesso simultaneo da parte di numerose unità di elaborazione o GPU. Questo accesso parallelo elimina i colli di bottiglia che si verificano con i file system tradizionali, consentendo ai modelli di AI di importare ed elaborare rapidamente le grandi quantità di dati richieste per l'addestramento.
I file system paralleli accelerano notevolmente l'addestramento e l'inferenza dell'AI fornendo un accesso a bassa latenza e ad alta velocità effettiva a enormi set di dati. Questi sistemi distribuiscono i dati su più nodi di archiviazione, consentendo l'accesso simultaneo da parte di numerose unità di elaborazione o GPU. Questo accesso parallelo elimina i colli di bottiglia che si verificano con i file system tradizionali, consentendo ai modelli di AI di importare ed elaborare rapidamente le grandi quantità di dati richieste per l'addestramento.
I file system paralleli sono fondamentali per l'high performance computing (HPC, computing ad alte prestazioni). Per le previsioni meteo, gestiscono enormi quantità di dati meteorologici per previsioni accurate. Gli ingegneri li utilizzano per complesse simulazioni di fluidodinamica, migliorando il design di aerei e automobili. Gli istituti finanziari accelerano le valutazioni dei rischi e le previsioni di mercato elaborando enormi set di dati finanziari. Questi sistemi forniscono il throughput elevato e la bassa latenza necessarie per i workload ad alta intensità di dati, consentendo un'analisi più rapida ed efficiente in tutte le applicazioni HPC critiche.
I file system paralleli sono fondamentali per l'high performance computing (HPC, computing ad alte prestazioni). Per le previsioni meteo, gestiscono enormi quantità di dati meteorologici per previsioni accurate. Gli ingegneri li utilizzano per complesse simulazioni di fluidodinamica, migliorando il design di aerei e automobili. Gli istituti finanziari accelerano le valutazioni dei rischi e le previsioni di mercato elaborando enormi set di dati finanziari. Questi sistemi forniscono il throughput elevato e la bassa latenza necessarie per i workload ad alta intensità di dati, consentendo un'analisi più rapida ed efficiente in tutte le applicazioni HPC critiche.
Prezzi
Prezzi di Managed Lustre | I prezzi di Managed Lustre si basano principalmente sulla località e sul livello di servizio. |
---|---|
Livello del servizio | Prezzi |
1000 MB/s/TiB Il meglio per i workload ad alte prestazioni, come l'addestramento AI/ML, in cui il throughput è fondamentale. | A partire da 0,60 $ per GiB al mese |
1000 MB/s/TiB Ideale per un equilibrio tra prestazioni elevate: eccellente per workload di AI/ML impegnativi, applicazioni HPC complesse e analisi ad alta intensità di dati che richiedono un throughput sostanziale, ma possono trarre vantaggio da un rapporto prezzo/prestazioni più equilibrato. | A partire da 0,34 $ per GiB al mese |
250 MB/s/TiB Ideale per HPC per uso generico e AI a elevato throughput: adatto a un'ampia gamma di workload HPC, inferenza AI/ML, pre-elaborazione dei dati e applicazioni che necessitano di prestazioni significativamente migliori rispetto all'NFS tradizionale, a un prezzo conveniente. | A partire da 0,21 $ per GiB al mese |
125 MB/s/TiB Ideale per workload incentrati sulla capacità con esigenze di accesso parallelo: progettato per scenari in cui sono fondamentali grandi capacità e accesso al file system parallelo. Ideale per attività parallele meno vincolate all'I/O. | A partire da 0,145 $ per GiB al mese |
Ulteriori informazioni sui prezzi di Google Cloud Visualizza tutti i dettagli sui prezzi.
Prezzi di Managed Lustre
I prezzi di Managed Lustre si basano principalmente sulla località e sul livello di servizio.
1000 MB/s/TiB
Il meglio per i workload ad alte prestazioni, come l'addestramento AI/ML, in cui il throughput è fondamentale.
A partire da 0,60 $ per GiB al mese
1000 MB/s/TiB
Ideale per un equilibrio tra prestazioni elevate: eccellente per workload di AI/ML impegnativi, applicazioni HPC complesse e analisi ad alta intensità di dati che richiedono un throughput sostanziale, ma possono trarre vantaggio da un rapporto prezzo/prestazioni più equilibrato.
A partire da 0,34 $ per GiB al mese
250 MB/s/TiB
Ideale per HPC per uso generico e AI a elevato throughput: adatto a un'ampia gamma di workload HPC, inferenza AI/ML, pre-elaborazione dei dati e applicazioni che necessitano di prestazioni significativamente migliori rispetto all'NFS tradizionale, a un prezzo conveniente.
A partire da 0,21 $ per GiB al mese
125 MB/s/TiB
Ideale per workload incentrati sulla capacità con esigenze di accesso parallelo: progettato per scenari in cui sono fondamentali grandi capacità e accesso al file system parallelo. Ideale per attività parallele meno vincolate all'I/O.
A partire da 0,145 $ per GiB al mese
Ulteriori informazioni sui prezzi di Google Cloud Visualizza tutti i dettagli sui prezzi.