人工智能（AI）和機器學習將成為幫助企業(yè)利用其核心數(shù)字資產(chǎn)創(chuàng)造競爭優(yōu)勢的很重要工具之一。但在選購AI數(shù)據(jù)存儲設備之前，企業(yè)必須考慮機器學習平臺在獲取、處理和保留數(shù)據(jù)時的一系列需求。

我們首先需要研究一下機器學習軟件使用的數(shù)據(jù)的生命周期，因為這有助于企業(yè)理解在為AI選擇存儲時應該考慮哪些因素。最開始的時候，企業(yè)必須獲取大量的數(shù)據(jù)來訓練機器學習或AI算法。AI軟件工具通過處理數(shù)據(jù)來學習任務，如識別某個對象、處理視頻和跟蹤運動。數(shù)據(jù)可以從各種各樣的源生成，并且本質上是非結構化的，比如對象和文件。

在訓練或開發(fā)AI算法時，能夠通過對數(shù)據(jù)的處理開發(fā)一個模型，為企業(yè)提供所需的洞察力或效益。開發(fā)機器學習算法很少是作為一個單一的過程來完成的。隨著企業(yè)不斷積累新的數(shù)據(jù)，算法也會得到改進。這意味著很少有數(shù)據(jù)被丟棄，相反，數(shù)據(jù)會隨著時間的推移而快速增長和重新處理。

AI數(shù)據(jù)存儲設備的選型標準

在企業(yè)為AI平臺選擇存儲設備之前，必須首先考慮以下幾點：

1、成本。AI數(shù)據(jù)存儲設備的價格對企業(yè)來說是一個關鍵因素。顯然，高管層和那些參與采購決策的人會希望存儲盡可能具有成本效益，在許多情況下，這將影響組織的產(chǎn)品選擇和策略。

2、可伸縮性。如上文所說，在創(chuàng)建機器學習或AI模型的過程中，收集、存儲和處理大量數(shù)據(jù)是非常必要的。機器學習算法要求源數(shù)據(jù)呈指數(shù)增長，才能實現(xiàn)精度的線性提高。創(chuàng)建可靠而準確的機器學習模型可能需要數(shù)百TB甚至PB的數(shù)據(jù)，而且這只會隨著時間的推移而增加。

構建PB級存儲系統(tǒng)，一般需要使用對象存儲或橫向擴展文件系統(tǒng)。如今的對象存儲當然可以滿足AI工作負載的容量需求，但它們可能無法滿足其他標準，如高性能。橫向擴展文件系統(tǒng)可以提供高性能和良好的可伸縮性，但是將整個數(shù)據(jù)集存儲在一個平臺上可能會很昂貴。另外，出于可伸縮性需求和高容量產(chǎn)品的成本，塊存儲往往不是機器學習或人工智能的正確選擇。這里唯一的例外是公有云，稍后我們對此進行討論。

存儲成本的變化引入了分層存儲或使用多種類型的存儲來存儲數(shù)據(jù)的概念。例如，對象存儲是存儲大量不活躍的AI數(shù)據(jù)的良好目標。當需要處理數(shù)據(jù)時，可以將數(shù)據(jù)移動到對象存儲中的高性能文件存儲集群或節(jié)點上，一旦處理完成，就可以將數(shù)據(jù)移動回來。

3、性能。AI數(shù)據(jù)的存儲性能有三個方面。首先，可能也是最重要的是延遲，也就是軟件處理每個I／O請求的速度。低延遲很重要，因為改善延遲對創(chuàng)建機器學習或AI模型所需的時間有直接影響。復雜的模型開發(fā)可能需要數(shù)周或數(shù)月的時間。通過縮短這個開發(fā)周期，組織可以更快地創(chuàng)建和細化模型。在檢查延遲能力時，由于對象訪問的流特性，對象將引用時間存儲為第一個字節(jié)，而不是單個I／O請求的延遲。

性能的另一個方面是吞吐量，以及從存儲平臺寫入或讀取數(shù)據(jù)的速度。系統(tǒng)吞吐量很重要，因為AI訓練需要處理大量數(shù)據(jù)集，經(jīng)常重復讀取相同的數(shù)據(jù)，以準確地開發(fā)模型。機器學習和AI數(shù)據(jù)的來源，例如自動駕駛汽車上的傳感器，每天可以生成多個TB的新數(shù)據(jù)。所有這些信息都必須添加到現(xiàn)有的數(shù)據(jù)存儲中，并且對任何現(xiàn)有處理的影響要最小。

性能的最后一個方面是并行訪問。機器學習和AI算法并行處理數(shù)據(jù)，運行多個任務，這些任務可以多次讀取相同的數(shù)據(jù)，并跨越多個并行任務。對象存儲擅長并行讀取I／O處理，因為不需要管理對象鎖或屬性。文件服務器跟蹤內(nèi)存中打開的I／O請求或文件句柄。因此，活動I／O請求的數(shù)量取決于平臺上可用的內(nèi)存。

機器學習數(shù)據(jù)可以由大量的小文件組成。在這個領域，文件服務器可以提供比對象存儲更好的性能。這里需要問AI存儲方案供應商的一個關鍵問題是，在大文件類型和小文件類型上，他們的產(chǎn)品的性能特征會如何變化。

4、可用性和耐久性。機器學習和AI模型可以長時間連續(xù)運行。通過訓練開發(fā)算法可能需要幾天或幾周的時間。在此期間，存儲系統(tǒng)必須保持啟動并持續(xù)可用。這意味著任何升級、技術替換或系統(tǒng)擴展都需要在不停機的情況下進行。

在大型系統(tǒng)中，組件故障是常見的。這意味著任何用于AI工作的平臺都應該能夠從設備（如硬盤或SSD）和節(jié)點或服務器故障中恢復。對象存儲使用擦除編碼在許多節(jié)點上廣泛分布數(shù)據(jù)，并最小化組件故障的影響。有一些擦除編碼技術可以用在橫向擴展文件系統(tǒng)，以提供同等水平的彈性。擦除編碼方案的效率非常重要，因為它直接關系到讀寫I／O的性能，特別是對于小文件而言。

由于多數(shù)大規(guī)模對象存儲都太大，無法定期備份，因此可靠的擦除編碼成為AI存儲平臺的一個基本特性。

5、公有云。開發(fā)機器學習和AI算法需要高性能存儲和高性能計算。許多AI系統(tǒng)都是基于GPU的，比如Nvidia DGX，它可以用于開發(fā)精確算法所涉及的許多復雜數(shù)學計算。

公有云服務提供商已經(jīng)開始提供GPU加速的虛擬實例，可用于機器學習。在公有云中運行機器學習工具降低了構建機器學習開發(fā)基礎設施的資本成本，同時提供了擴展開發(fā)機器學習模型所需的基礎設施的能力。

使用公有云計算的挑戰(zhàn)在于，如何以一種同時具有成本效益和實用性的方式將數(shù)據(jù)導入公有云?；谠频膶ο蟠鎯λ俣忍?，跟不上機器學習的I／O需求；因此，必須使用本地塊存儲。每延遲一分鐘移動數(shù)據(jù)，就會帶來更多運行基礎設施的成本，以及執(zhí)行機器學習的延遲。

公有云的另一個問題是數(shù)據(jù)導出的成本。盡管云服務提供商不收取將數(shù)據(jù)轉移到其平臺的費用，但它們確實對從其平臺外的公共網(wǎng)絡訪問的任何數(shù)據(jù)收取費用。因此，盡管公有云在計算方面提供了靈活性，但以及時和經(jīng)濟有效的方式從云中獲取數(shù)據(jù)并不總是那么簡單。

供應商正在開發(fā)存儲產(chǎn)品，這些產(chǎn)品運行在公有云中，覆蓋了本地和云。這些產(chǎn)品可以有效地復制數(shù)據(jù)或將數(shù)據(jù)移動到云中，并且只在完成后將結果移動回來。這些復制技術具有高效的帶寬，使得在前提上存儲數(shù)據(jù)并導入到云中進行分析工作變得切實可行。

6、集成。在本文中，我們將機器學習和AI的數(shù)據(jù)存儲與計算分開來看。構建AI數(shù)據(jù)存儲可能很困難，因為必須考慮存儲網(wǎng)絡和調優(yōu)存儲以與機器學習應用程序協(xié)同工作的其他因素。

產(chǎn)品的預打包使供應商能夠在將產(chǎn)品交付給客戶之前測試和優(yōu)化其產(chǎn)品。如今，有一些存儲產(chǎn)品結合了流行的AI軟件、計算（如通用cpu和gpu）、網(wǎng)絡和存儲，以交付一個AI就緒的平臺，許多詳細的調優(yōu)工作是在部署這些系統(tǒng)之前完成的。盡管成本可能是個問題，但對許多客戶來說，預先打包的系統(tǒng)可以降低采用AI存儲的障礙。

顯然，選擇正確的AI數(shù)據(jù)存儲平臺，其實是性能、可伸縮性和成本等指標之間的平衡。正確使用存儲平臺非常重要，因為涉及的數(shù)據(jù)量非常大。一旦選擇錯誤，其代價可能是高昂的。與任何存儲產(chǎn)品選型決策一樣，重要的是與供應商溝通，包括演示和評估，以準確了解他們的產(chǎn)品如何滿足人工智能和機器學習的需求。