近期,DeepSeek開源的3FS系統(tǒng)向全球科技圈力證,通過存儲來優(yōu)化AI推理工作負載,可有效提升大模型性能,同時大幅降低成本。
作為AI原生存儲,3FS的鏈式復制機制、FFRecord格式優(yōu)化等創(chuàng)新設計,不僅重新定義了AI存儲的技術(shù)標準,更凸顯了專用存儲系統(tǒng)在支撐超大模型推理中的不可替代性。
從技術(shù)角度看,曙光存儲ParaStor與3FS呈現(xiàn)出高度趨同性,二者通過相似的技術(shù)路徑共同推動著AI基礎設施的進化。
高性能數(shù)據(jù)存儲為AI集群釋放算力
曙光ParaStor和3FS都是典型的高性能并行文件系統(tǒng),這類系統(tǒng)堪稱是最適合AI的數(shù)據(jù)存儲。
兩者均以RDMA技術(shù)為核心傳輸協(xié)議,通過零拷貝機制將網(wǎng)絡延遲降至微秒級,有效解決了傳統(tǒng)TCP/IP協(xié)議棧在AI集群中產(chǎn)生的CPU資源爭用問題,使200Gbps網(wǎng)卡利用率突破90%。在此基礎上,兩者創(chuàng)新性引入硬件卸載技術(shù),將數(shù)據(jù)校驗、協(xié)議解析等任務交由智能網(wǎng)卡處理。
實測顯示,硬件卸載可使存儲讀響應時間縮短40%,同時釋放30%以上CPU算力用于模型推理。
這種“存儲即服務”的設計理念,徹底顛覆了傳統(tǒng)存儲依賴CPU資源的模式,為AI集群釋放出更多算力空間。
AI專屬優(yōu)化:IO特征適配與智能緩存
針對AI訓練特有的小文件高并發(fā)、數(shù)據(jù)訪問局部性及混合負載特性,曙光存儲ParaStor和3FS均構(gòu)建了多層優(yōu)化體系:
元數(shù)據(jù)分片技術(shù):將百萬量級小文件的元數(shù)據(jù)請求分散至多個控制節(jié)點,使查詢吞吐量提升5倍以上,支撐萬級客戶端并發(fā)訪問。
智能預取與緩存分層:通過分析訓練任務的數(shù)據(jù)訪問模式,提前將數(shù)據(jù)從HDD預加載至NVMe緩存,使ResNet-152單epoch訓練時間縮短18%。
QoS感知調(diào)度引擎:動態(tài)分配帶寬與IO優(yōu)先級,確保模型訓練關鍵路徑的服務質(zhì)量。
彈性進化:EB級存儲的無縫擴展能力
為滿足大模型訓練對海量數(shù)據(jù)的需求,曙光存儲ParaStor與3FS均采用去中心化架構(gòu):
全局命名空間:整合跨地域、跨介質(zhì)存儲資源,支持千億文件統(tǒng)一管理。
無狀態(tài)彈性擴展:節(jié)點可在線擴展至數(shù)千個,容量與性能隨節(jié)點增加線性提升,在GPT-3級場景中實現(xiàn)超1TB/s聚合帶寬。
自適應糾刪碼策略:對熱數(shù)據(jù)采用多副本保障性能,溫冷數(shù)據(jù)采用EC 8+3編碼,使空間利用率突破85%。
軟硬一體:構(gòu)建自主可控的AI存儲基座
3FS的技術(shù)突破與ParaStor的國產(chǎn)化創(chuàng)新,共同印證了一個行業(yè)共識:硬件加速、場景化優(yōu)化與分布式架構(gòu)的深度融合,是突破“存儲墻”的必由之路。
在共性技術(shù)之外,曙光ParaStor依托國產(chǎn)硬件生態(tài)優(yōu)勢,實現(xiàn)了自研SSD控制器與智能網(wǎng)卡的協(xié)同優(yōu)化,在國產(chǎn)AI芯片適配性上展現(xiàn)出獨特價值。這種自主可控的技術(shù)路徑,不僅提升了系統(tǒng)的穩(wěn)定性與安全性,更為我國AI產(chǎn)業(yè)發(fā)展提供了堅實的基礎設施保障。
（免責聲明：本網(wǎng)站內(nèi)容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準確性及可靠性，但不保證有關資料的準確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負責。本網(wǎng)站對有關資料所引致的錯誤、不確或遺漏，概不負任何法律責任。
任何單位或個人認為本網(wǎng)站中的網(wǎng)頁或鏈接內(nèi)容可能涉嫌侵犯其知識產(chǎn)權(quán)或存在不實內(nèi)容時，應及時向本網(wǎng)站提出書面權(quán)利通知或不實情況說明，并提供身份證明、權(quán)屬證明及詳細侵權(quán)或不實情況證明。本網(wǎng)站在收到上述法律文件后，將會依法盡快聯(lián)系相關文章源頭核實，溝通刪除相關內(nèi)容或斷開相關鏈接。 ）
