Google Cloud Managed Lustre
Paralleles Hochleistungsdateisystem
Mit dem parallelen Dateisystem von Google, das die höchste Leistung bietet und POSIX-konform ist, können Sie das Training und die Bereitstellung von HPC und KI beschleunigen.
Features
Leistung und Skalierung für KI-/ML-Arbeitslasten
Für das Training großer Deep-Learning-Modelle sind riesige Datasets erforderlich. Das auf DDN EXAScaler basierende Managed Lustre verteilt den Datenzugriff, verkürzt die Trainingszeiten und ermöglicht schnellere Erkenntnisse, eine höhere Genauigkeit und die Handhabung komplexer KI-Projekte. Dank der Skalierbarkeit kann die Leistung mit dem wachsenden Datenvolumen Schritt halten und Speicherengpässe werden vermieden.
Schnelle Abfrage und Verarbeitung großer Datenmengen
Mit Managed Lustre lassen sich große, in der Cloud gespeicherte Datasets schnell abfragen und verarbeiten. So können Business-Intelligence-Berichte schneller erstellt, Echtzeitanalysen durchgeführt und Daten effektiver untersucht werden.
Leistung pro Dollar für Speicher- und Computing-Ressourcen maximieren
Optimieren Sie die Ressourcennutzung, indem Sie Daten und Verarbeitungsaufgaben effizient verteilen. Das kann zu geringeren Speicher- und Rechenkosten und insgesamt zu einer besseren Kosteneffizienz führen. Funktionen wie Data Tiering, Komprimierung und intelligentes Data Placement können ebenfalls zu Kosteneinsparungen beitragen.
Funktionsweise
Das lokale Einrichten und Betreiben der HPC-Infrastruktur ist teuer und die Infrastruktur erfordert eine laufende Wartung. Darüber hinaus kann die lokale Infrastruktur in der Regel nicht schnell skaliert werden, um sie an Bedarfsänderungen anzupassen. Die lokale Planung, Beschaffung, Bereitstellung und Außerbetriebnahme von Hardware nimmt ziemlich viel Zeit in Anspruch. Dies führt zu einer verzögerten Hinzufügung von HPC-Ressourcen oder zu nicht ausgelasteten Kapazitäten. In der Cloud können Sie effizient HPC-Infrastruktur bereitstellen, die die neueste Technologie verwendet, und Ihre Kapazität nach Bedarf skalieren. Wissenschaftler, Forscher und Analysten können bei Bedarf schnell auf zusätzliche HPC-Kapazität für ihre Projekte zugreifen.
Das lokale Einrichten und Betreiben der HPC-Infrastruktur ist teuer und die Infrastruktur erfordert eine laufende Wartung. Darüber hinaus kann die lokale Infrastruktur in der Regel nicht schnell skaliert werden, um sie an Bedarfsänderungen anzupassen. Die lokale Planung, Beschaffung, Bereitstellung und Außerbetriebnahme von Hardware nimmt ziemlich viel Zeit in Anspruch. Dies führt zu einer verzögerten Hinzufügung von HPC-Ressourcen oder zu nicht ausgelasteten Kapazitäten. In der Cloud können Sie effizient HPC-Infrastruktur bereitstellen, die die neueste Technologie verwendet, und Ihre Kapazität nach Bedarf skalieren. Wissenschaftler, Forscher und Analysten können bei Bedarf schnell auf zusätzliche HPC-Kapazität für ihre Projekte zugreifen.
Gängige Einsatzmöglichkeiten
Arbeitslasten für künstliche Intelligenz (KI) oder Machine Learning (ML)
Managed Lustre beschleunigt KI- und ML-Anwendungen
Parallele Dateisysteme beschleunigen das Training und die Inferenz von KI erheblich, indem sie einen Zugriff mit hoher Leistung und niedriger Latenz auf riesige Datasets ermöglichen. Diese Systeme verteilen Daten auf mehrere Speicherknoten, sodass mehrere Verarbeitungseinheiten oder GPUs gleichzeitig darauf zugreifen können. Dieser parallele Zugriff beseitigt Engpässe, die bei herkömmlichen Dateisystemen auftreten. So können KI-Modelle die für das Training erforderlichen riesigen Datenmengen schnell aufnehmen und verarbeiten.
Lernressourcen
Managed Lustre beschleunigt KI- und ML-Anwendungen
Parallele Dateisysteme beschleunigen das Training und die Inferenz von KI erheblich, indem sie einen Zugriff mit hoher Leistung und niedriger Latenz auf riesige Datasets ermöglichen. Diese Systeme verteilen Daten auf mehrere Speicherknoten, sodass mehrere Verarbeitungseinheiten oder GPUs gleichzeitig darauf zugreifen können. Dieser parallele Zugriff beseitigt Engpässe, die bei herkömmlichen Dateisystemen auftreten. So können KI-Modelle die für das Training erforderlichen riesigen Datenmengen schnell aufnehmen und verarbeiten.
Hochleistungs-Computing (HPC)
HPC-Anwendungen erfordern eine robuste Speicherinfrastruktur
Parallele Dateisysteme sind für Hochleistungs-Computing (HPC) unerlässlich. Bei der Wettervorhersage verarbeiten sie riesige Mengen an meteorologischen Daten, um genaue Prognosen zu erstellen. Ingenieure nutzen sie für komplexe Simulationen der Strömungsdynamik, um das Design von Flugzeugen und Autos zu verbessern. Finanzinstitute beschleunigen Risikobewertungen und Marktprognosen, indem sie riesige Finanzdatenmengen verarbeiten. Diese Systeme bieten den hohen Durchsatz und die geringe Latenz, die für datenintensive Arbeitslasten erforderlich sind, und ermöglichen so eine schnellere, effizientere Analyse in kritischen HPC-Anwendungen.
Lernressourcen
HPC-Anwendungen erfordern eine robuste Speicherinfrastruktur
Parallele Dateisysteme sind für Hochleistungs-Computing (HPC) unerlässlich. Bei der Wettervorhersage verarbeiten sie riesige Mengen an meteorologischen Daten, um genaue Prognosen zu erstellen. Ingenieure nutzen sie für komplexe Simulationen der Strömungsdynamik, um das Design von Flugzeugen und Autos zu verbessern. Finanzinstitute beschleunigen Risikobewertungen und Marktprognosen, indem sie riesige Finanzdatenmengen verarbeiten. Diese Systeme bieten den hohen Durchsatz und die geringe Latenz, die für datenintensive Arbeitslasten erforderlich sind, und ermöglichen so eine schnellere, effizientere Analyse in kritischen HPC-Anwendungen.
Preise
| Preise für Managed Lustre | Die Preise für Managed Lustre richten sich in erster Linie nach Standort und Servicelevel. |
|---|---|
| Service Level | Preise |
1.000 MB/s/TiB Ideal für Arbeitslasten mit hoher Leistung wie KI/ML-Training, bei denen der Durchsatz entscheidend ist. | Ab 0,60 $ pro GiB und Monat |
500 MB/s/TiB Ideale Balance für hohe Leistung: Hervorragend geeignet für anspruchsvolle KI/ML-Arbeitslasten, komplexe HPC-Anwendungen und datenintensive Analysen, die einen hohen Durchsatz erfordern, aber von einem ausgewogeneren Preis-Leistungs-Verhältnis profitieren können. | Ab 0,34 $ pro GiB und Monat |
250 MB/s/TiB Ideal für allgemeine HPC- und durchsatzintensive KI: Geeignet für eine breite Palette von HPC-Arbeitslasten, KI/ML-Inferenz, Datenvorverarbeitung und Anwendungen, die eine deutlich bessere Leistung als herkömmliches NFS zu einem kostengünstigen Preis benötigen. | Ab 0,21 $ pro GiB und Monat |
125 MB/s/TiB Ideal für kapazitätsorientierte Arbeitslasten mit Bedarf an parallelem Zugriff: Entwickelt für Szenarien, in denen große Kapazitäten und paralleler Dateisystemzugriff entscheidend sind. Gut für weniger E/A-intensive parallele Aufgaben. | Ab 1,45 $ pro GiB und Monat |
Weitere Informationen zu Google Cloud-PreisenVollständige Preisinformationen
Preise für Managed Lustre
Die Preise für Managed Lustre richten sich in erster Linie nach Standort und Servicelevel.
1.000 MB/s/TiB
Ideal für Arbeitslasten mit hoher Leistung wie KI/ML-Training, bei denen der Durchsatz entscheidend ist.
Ab 0,60 $ pro GiB und Monat
500 MB/s/TiB
Ideale Balance für hohe Leistung: Hervorragend geeignet für anspruchsvolle KI/ML-Arbeitslasten, komplexe HPC-Anwendungen und datenintensive Analysen, die einen hohen Durchsatz erfordern, aber von einem ausgewogeneren Preis-Leistungs-Verhältnis profitieren können.
Ab 0,34 $ pro GiB und Monat
250 MB/s/TiB
Ideal für allgemeine HPC- und durchsatzintensive KI: Geeignet für eine breite Palette von HPC-Arbeitslasten, KI/ML-Inferenz, Datenvorverarbeitung und Anwendungen, die eine deutlich bessere Leistung als herkömmliches NFS zu einem kostengünstigen Preis benötigen.
Ab 0,21 $ pro GiB und Monat
125 MB/s/TiB
Ideal für kapazitätsorientierte Arbeitslasten mit Bedarf an parallelem Zugriff: Entwickelt für Szenarien, in denen große Kapazitäten und paralleler Dateisystemzugriff entscheidend sind. Gut für weniger E/A-intensive parallele Aufgaben.
Ab 1,45 $ pro GiB und Monat
Weitere Informationen zu Google Cloud-PreisenVollständige Preisinformationen
