GPUDirect Storage(GDS)旨在通过使用直接指向NVMe存储驱动器的IO绕过存储服务器/阵列控制器的主机操作系统及CPU/内存,从而加快读写访问速度。
目前,各供应商已经公布了自己的GDS性能,为客户提供了一种能够比较其优劣的方法:
我们整理了过去几年总计十家供应商发布的结果,具体如上图所示。随着AI市场的发展成熟,训练和推理类工作负载之间也出现了应用差异。除了RAG和向量搜索的兴起之外,市场上还出现了AI数据管线的概念。当今AI存储必须能够支撑整条管线中的各个阶段,特别是满足推理和训练负载对于数据访问的需求。
考虑到这一点,英伟达最顶尖的GPU服务器DGX SuperPOD列出了经过认证的存储供应商。要想入围这份名单,供应商们要做的已经不仅仅是将数据调整传输至GPU。传输带宽虽然非常重要,但已经不是唯一关键的指标。据我们了解,想要从单一节点层级衡量GPUDIrect性能并不靠谱,正确的方法应该更加全面,即考量能否具备一定的性能水平让SuperPOD保持高负荷运转,同时满足英伟达提出的延迟标准、持续性能水平、支持数千张GPU的可扩展性、大规模AI数据集处理以及系统与软件兼容性要求。
这里强调的性能,已经不单单指GDS带宽。可扩展性同样至关重要。Pure Storage公司高级总监Hari Kannan在采访中表示,“我们正在推进英伟达SuperPOD认证,而且认证内容主要集中在性能层面。毕竟这也是SuperPOD的意义所在——必须保证在极高规模下仍拥有出色的性能表现。为此,我们必须与英伟达分享自己的性能基准。他们也开展了自己的性能测试,以验证其是否符合他们提出的SuperPOD基准。”不过具体基准内容尚未公开。
目前已经有四家SuperPOD存储供应商通过了认证,分别为:DDN及其A³I A1400X2T Lustre阵列;IBM及其Storage Scale System 6000、NetApp及其运行BeeGFS的EF600,以及VAST Data及其Data Platform数据平台。这四家供应商均提供并行文件系统访问能力。
上图所示,为IBM获得的英伟达SuperPOD认证函。可以看到其中单个SSS6000的读取速度就高达340 GB/秒,写入速度则高达175 GB/秒。
计划支持SuperPOD的存储供应商还包括戴尔的PowerScale、Pure Storage以及WEKA的WEKApod。
戴尔正着手在Lightning项目当中为其PowerScale OneFS操作系统添加并行文件系统支持。这也许有助于其满足SuperPOD提出的性能与可扩展性要求。
据我们了解,Hitachi Vantara的VSP One存储已经获得了BasePOD认证,下一步希望通过SuperPOD认证。我们也就SuperPOD认证一事询问了NetApp及其ONTAP AFF阵列,并将在得到回复后向大家报告。
MinIO公司表示,其开源DataPOD对象存储方案能够扩展以支持任意数量的GPU服务器。但据我们了解,该公司并不打算通过SuperPOD认证。此项认证主要面向文件系统存储,即使底层基于对象存储,也至少需要在应用层表现为文件系统的形式。
SuperPOD存储认证更像是一种衡量是否合格的兼容性测试,而非能够量化的基准测试。而从英伟达的市场利益的角度出发,最好是能有更多存储供应商顺利通过SuperPOD数据访问认证。如此一来,客户就不必比对公开发布的SuperPOD性能基准测试,再从中选取速度最快的存储供应商。总之,这种不公开SuperPOD存储性能数据、而单纯以是否通过认证来衡量的方式,更有利于英伟达团结更多合作厂商。
好文章,需要你的鼓励
智能网卡(SmartNIC)技术自2013年AWS首次应用以来,虽然获得了VMware、英特尔、AMD和英伟达等巨头支持,但市场表现平平。分析师指出,目前主要客户仍局限于服务提供商。然而,随着AI技术蓬勃发展,情况正在改变。英伟达、红帽等厂商在AI云架构中推荐使用DPU,认为其可优化推理工作负载并提升资源效率,AI革命有望真正推动智能网卡技术普及。
法国Valeo公司联合巴黎索邦大学开发出DIP技术,让AI模型能像人类一样通过少量样本快速学习图像理解。该技术采用创新的"元学习"训练方式,无需人工标注即可显著提升模型在复杂场景下的分割性能,训练时间仅需9小时,在多个数据集上表现优异,为自动驾驶、医疗影像等领域应用提供了新可能。
YouTube为Premium会员推出AI生成的搜索轮播功能,可在购物和地点查询时显示相关视频序列。同时,此前仅限Premium用户的AI对话助手开始向美国普通用户开放,用户可通过"询问"按钮获得视频摘要和内容问答服务。该AI工具基于YouTube平台和网络信息运行,但准确性仍待观察。
微软等机构联合推出的RealPlay系统首次实现了用游戏控制指令生成现实视频的突破。该系统仅使用赛车游戏数据训练,却能控制现实中的汽车、自行车和行人运动,控制成功率达90%。RealPlay支持交互式视频生成,用户可像玩游戏般逐步指导视频发展,生成质量接近真实拍摄,为AI视频生成和未来游戏引擎开发开辟了新方向。