人工智能在機器學習和深度學習中的“復活”導致相關研究和產品開發的爆炸式增長，因為企業發現了創新性方法來將這些新算法用于流程自動化和預測性見解。從機器學習和深度學習模型（后者通常涉及模擬大腦的神經結構和連通性）的性質來看，它們通常需要獲取、準備、移動和處理海量數據集。?

特別是，深度學習模型需要大量數據集。人工智能（特別是深度學習）的數據存儲給企業帶來獨特的挑戰。下面我們將簡要探討機器學習和深度學習軟件的性質，而這將揭示存儲系統對于這些算法的重要性，以確保它們提供及時準確的結果。
?

為什么AI和深度學習存儲很重要?

很多研究人員已經證明，深度學習模型的準確性會隨著數據集的增加而提高。這種準確性的提高非常重要，以至于研究人員經常會使用復雜的數據增強技術來綜合地生成額外數據用于訓練模型。

例如，ImageNet項目的數據集包含超過1400萬張具有一百萬個注釋的圖像，這些數據集被用于對各種深度學習圖像分類算法進行基準測試。同時，對圖像分類硬件進行基準測試的ResNet-50模型通常會超過100 MB。理想情況下，這些模型保存在內存中，它們需要源源不斷的數據，而這通常會導致存儲系統成為整體性能的瓶頸。?

無論使用什么模型和應用程序，深度學習都包括兩個步驟：模型訓練和數據推理。模型訓練是指，通過利用訓練數據集，基于重復（通常是遞歸）計算以計算和優化模型參數的過程。數據推斷是指利用已經過訓練的模型對新傳入數據進行分類和預測。?

對于為AI和深度學習提供存儲的系統而言，每個步驟都會以不同方式帶來壓力。對于模型訓練，壓力源于大數據集以及快速I/O—以提供可接受性能，這里的計算涉及分布式集群。而對于推理，壓力來自必須以最小延遲實時處理數據。

深度學習的存儲性能需求

深度學習算法的性質意味著它們會使用大量矩陣數學，這使它們非常適合GPU上的執行，GPU最初設計用于對像素數據進行數千個同步浮點計算。與計算機圖形不同，神經網絡和其他深度學習模型不需要高精度浮點結果，并且新一代AI優化的GPU和CPU（支持低精度8位和16位矩陣計算）使這些模型進一步加速，這種優化會使將存儲系統變成更大的性能瓶頸。

深度學習模型和數據源的多樣性，以及深度學習服務器通常采用的分布式計算設計，意味著旨在為AI提供存儲的系統必須解決以下問題：

1.各種數據格式，包括二進制大型對象（BLOB）數據、圖像、視頻、音頻、文本和結構化數據，它們具有不同的格式和I / O特性。?

2.橫向擴展系統架構，其中工作負載分布在多個系統中，通常有4到16個用于訓練，可能有數百個或數千個用于推理。?

3.帶寬和吞吐量，可以快速向計算硬件提供大量數據。?

4.OPS，無論數據特性如何，IOPS都能維持高吞吐量；這就是說，適用于很多小型傳輸和較少的大量傳輸。?

5.延遲性，以最小延遲提供數據，因為與虛擬內存分頁一樣，當GPU等待新數據時，訓練算法的性能會顯著降低。

深度學習存儲系統設計必須可跨各種數據類型和深度學習模型提供均衡的性能。根據Nvidia工程師的說法，在各種負載條件下驗證存儲系統性能至關重要。他寫道：

“工作負載的復雜性加上深度學習訓練所需的數據量，帶來一個具有挑戰性的性能環境….考慮到這些環境的復雜性，重要的是，在投入生產之前應收集基準性能數據，驗證核心系統（硬件組件和操作系統）在合成負載下可提供預期的性能。”

深度學習存儲系統的核心功能

上述性能因素已推動AI存儲系統供應商部署五個核心功能，包括：

1.并行的橫向擴展系統設計，可逐步擴展且I / O性能隨容量擴展。這種設計的標志是分布式存儲架構或文件系統，這些系統將邏輯組件（例如對象和文件）從物理設備分離。

2.可編程的軟件定義控制平面，這是實現橫向擴展設計以及自動化大多數管理任務的關鍵。

3.企業級可靠性、耐用性、冗余和存儲服務。

4.對于深度學習訓練系統，緊密耦合的計算存儲系統架構，具有無阻塞網絡設計可連接服務器和存儲，以及最低鏈路速度為10 Gb至25 Gb以太網或EDR（25 Gbps）InfiniBand。

5.SSD設備越來越多地使用更快的NVMe設備，可提供比SATA更高的吞吐量和IOPS。

DAS系統通常使用NVMe-over-PCIe設備

NAS設計通常使用10 Gb或更快的以太網，使用NVMe over fabric、Infiniband或交換PCIe架構。

量身定制的存儲產品

AI現在是一項熱門技術，供應商們都紛紛快速向市場推出新產品和更新產品，以滿足AI工作負載的需求。鑒于這種市場活力，我們不會試圖提供AI存儲產品的綜合目錄，但以下是一些示例：

Dell EMC Ready Solutions for AI ，具有機架規模捆綁包，其中封裝有服務器、存儲，邊緣交換機和管理節點。該存儲使用具有40 GbE網絡鏈路的Isilon H600或F800全閃存擴展NAS。

DDN A3I?使用AI200或AI400 NVMe全閃存陣列（AFA），分別具有360 TB容量和750K和1.5M IOPS，以及4或8個100 GbE或EDR InfiniBand接口，或DDN AI7990混合存儲設備-具有5.4 PB容量、750K IOPS和4個100 GbE或EDR InfiniBand接口。DDN的產品還有捆綁Nvidia DGX-1 GPU加速服務器和Hewlett Packard Enterprise Apollo 6500加速服務器。

IBM Elastic Storage Server AFA具有多種基于SSD的配置，可提供高達1.1 PB的可用容量。IBM還有一個參考系統架構，其中整合了Elastic Storage Server與Power Systems服務器和PowerAI Enterprise軟件堆棧。

NetApp OnTap AI參考架構將Nvidia DGX-1服務器與NetApp AFA A800系統和兩個Cisco Nexus 3K 100 GbE交換機相結合。A800可提供1M的IOPS，延遲時間為半毫秒，同時，其橫向擴展設計可在24節點集群中提供超過11M的IOPS。

Pure Storage AIRI是另一個DGX-1集成系統，它使用Pure的FlashBlade AFA系統，支持文件和對象存儲。參考系統可用于Arista、思科或Mellanox交換機。例如，一個Arista設計使用15個17 TB FlashBlades，具有8個40 GbE鏈路連接到Arista 32端口100 GbE交換機。

深度學習推理系統對存儲子系統的要求較低，并且，通常可通過在x86服務器中使用本地SSD來實現。雖然推理平臺通常是具有本地SSD或NVMe插槽的傳統1U和2U服務器設計，但現在它們越來越多地包括計算加速器，例如Nvidia T4 GPU或FPGA，這些加速器可以將一些深度學習操作編譯到硬件的。

（來源：TechTarget中國）