北京2023年11月13日 /美通社/ -- 近日，IBM（紐交所股票代碼：IBM）推出了全新的 IBM Storage Scale System 6000，這是一個旨在滿足當(dāng)今數(shù)據(jù)密集型工作負(fù)載和 AI 工作負(fù)載需求的云規(guī)模全球數(shù)據(jù)平臺，也是 IBM 數(shù)據(jù)和人工智能存儲產(chǎn)品線中的最新成員。
IBM被Gartner評為2022年分布式文件和對象存儲魔力象限的領(lǐng)導(dǎo)者，這已是IBM連續(xù)第七年獲此殊榮，其愿景和執(zhí)行力得到行業(yè)的充分認(rèn)可。[1] 全新的 IBM Storage Scale System 6000 為數(shù)據(jù)密集型用例打造的增強(qiáng)型高性能并行文件系統(tǒng)，旨在進(jìn)一步鞏固 IBM 在上述領(lǐng)域的領(lǐng)導(dǎo)者地位。它僅用四個機(jī)架單元的占地面積，即可為每個系統(tǒng)的只讀工作負(fù)載提供高達(dá) 7百萬的每秒讀寫次數(shù) (IOPs) 和為只讀工作負(fù)載提供最高256 GB/s 的吞吐量。[2]
要充分發(fā)揮基礎(chǔ)模型和傳統(tǒng) AI 模型的經(jīng)濟(jì)價值，企業(yè)必須關(guān)注數(shù)據(jù)，包括其當(dāng)前容量和增長預(yù)測、所在位置、安全狀況和訪問方式，以及如何優(yōu)化未來在數(shù)據(jù)存儲方面的投資。
"在我看來，只有企業(yè)制定相應(yīng)戰(zhàn)略，將多個來源的數(shù)據(jù)近乎實時地統(tǒng)一起來，而無需創(chuàng)建大量數(shù)據(jù)副本或不斷采集數(shù)據(jù)，才能充分實現(xiàn)新的AI 時代的潛力"，IBM 全球存儲業(yè)務(wù)總經(jīng)理 Denis Kennelly 表示。"IBM Storage Scale System 6000 可以幫助客戶做到這一點：將來自核心、邊緣和云端的數(shù)據(jù)整合到單一平臺，并針對 GPU 工作負(fù)載優(yōu)化性能。"
經(jīng)過優(yōu)化的IBM Storage Scale System 6000可存儲企業(yè)每天產(chǎn)生的半結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)，包括視頻、圖像、文本、檢測數(shù)據(jù)等，并加速企業(yè)在混合環(huán)境中的數(shù)字足跡。借助 IBM Storage Scale System，客戶可以實現(xiàn)以下目標(biāo)：
隨著IBM FlashCore Module（FCM）模塊的加入，有望在 2024 年上半年實現(xiàn)更佳的數(shù)據(jù)效率和規(guī)模經(jīng)濟(jì)：
與 IBM 先前針對 IBM Storage Scale System 的最大容量閃存驅(qū)動器相比，全新的最大容量 NVMe FCM 將提供更高的容量效率，每 TB 數(shù)據(jù)的存儲成本降低 70%、能耗減少 53%。[3] 這可幫助客戶利用四層單元 (QLC) 的成本優(yōu)勢，并充分實現(xiàn) NVMe 的性能。[4]
硬件加速的強(qiáng)大在線數(shù)據(jù)壓縮和加密功能，可確?？蛻魯?shù)據(jù)即使在多用戶、多租戶環(huán)境中，也能安全無虞。
在相同的占地面積中，搭載FCM 的 Storage Scale System 6000 存儲的數(shù)據(jù)量是上一代產(chǎn)品的 2.5 倍。[5]
加速用于AI工作負(fù)載的 IBM watsonx的落地和運(yùn)作：
IBM Storage Scale System 6000采用了全新的 NVMeoF turbo 層、并行多租戶數(shù)據(jù)隔離功能以及 IBM 享有專利的計算存儲驅(qū)動器，旨在為 AI 工作負(fù)載提供更高的性能安全性和效率。
與支持非結(jié)構(gòu)化數(shù)據(jù)的全球數(shù)據(jù)平臺 Storage Scale 軟件一同使用，IBM Storage Scale System 6000可為客戶的數(shù)據(jù)存儲提供多種選擇，包括 AWS、Azure、IBM Cloud 和其他公有云，以及 IBM 存儲磁帶庫。
加快數(shù)據(jù)訪問速度，實現(xiàn)超過市場領(lǐng)先競爭對手 2.5 倍 的 GB/s 吞吐量和 2 倍的 IOPs 性能[6]：
為多個并行的AI 工作負(fù)載和數(shù)據(jù)密集型工作負(fù)載，提供高處理吞吐量和訪問速度，幫助企業(yè)滿足廣泛的用例要求。
IBM Storage Scale 幫助昆士蘭大學(xué)加速應(yīng)用 AI
澳大利亞昆士蘭大學(xué)是一家世界級的研究機(jī)構(gòu)，它借助IBM Storage Scale軟件和 IBM Storage Scale System，實現(xiàn)了更快的數(shù)據(jù)訪問速度、并提高了效率，從而顯著加速其工作負(fù)載應(yīng)用。在此案例中，昆士蘭大學(xué)還使用了其他 IBM 存儲產(chǎn)品，實現(xiàn)了廣泛的研究目標(biāo)，包括應(yīng)用 AI 來描述神經(jīng)退化性疾病的特征，以及尋找更有效、更靈活的疫苗技術(shù)。
"借助目前使用的 Storage Scale Systems 3500，我們已經(jīng)在眾多的科研領(lǐng)域縮短發(fā)現(xiàn)時間，并提高研究生產(chǎn)力。對于涉及醫(yī)學(xué)圖像分析的 AI 研究，與之前的存儲基礎(chǔ)架構(gòu)相比，我們將訪問延遲降低 60%。對于基因組學(xué)和復(fù)雜的流體動力學(xué)工作負(fù)載，我們將吞吐量增加近 70%，"澳大利亞昆士蘭大學(xué)研究計算中心首席技術(shù)官 Jake Carroll 表示。"我們利用 IBM Storage Scale 軟件提供的數(shù)據(jù)管理透明度和全局?jǐn)?shù)據(jù)訪問功能，在超級計算資源中充分實現(xiàn)了高速并行文件系統(tǒng)的優(yōu)勢。"
Carroll 表示："IBM 的 Storage Scale System 6000 將有望讓我們更進(jìn)一步。根據(jù)我所看到的參數(shù)，通過將性能提高一倍并提高效率，我們將以更高的吞吐量提出科研問題，與此同時，降低總體擁有成本和每 IOP的功耗。"
利用 IBM Storage Scale System 和英偉達(dá)（NVIDIA）技術(shù)加速 AI 進(jìn)程
Storage Scale System 6000 可創(chuàng)建連接英偉達(dá)AI 解決方案和其他 AI 工作負(fù)載的信息鏈，不論這些工作負(fù)載所在何處。IBM 全新的 NVMeoF turbo 層已針對小型文件（例如，從遠(yuǎn)程設(shè)備收集的文件）進(jìn)行了優(yōu)化，也可提供對較小數(shù)據(jù)需求（例如，針對數(shù)據(jù)湖或數(shù)據(jù)湖倉的分析）的訪問權(quán)，以將其集成到英偉達(dá)的解決方案中。
Storage Scale System 6000 支持 NVIDIA Magnum IOTM GPUDirect® Storage(GDS)、GPU 內(nèi)存和存儲之間的直連。它支持啟用 GDS 時，通過數(shù)據(jù)移動 IO 來提高性能。通過利用 NVIDIA ConnectX-7? NIC，Scale System 6000 最多支持 16 個端口的 100Gb RDMA over Converged Ethernet (RoCE)、200Gb/s 和/或 400Gb/s InfiniBand，或者兩者的組合，進(jìn)而提高節(jié)點之間的性能，或者直接連接到英偉達(dá)GPU。如需了解更多，請訪問 https://www.ibm.com/cn-zh/storage/nvidia
如需了解 IBM Storage Scale System 的更多信息，請點擊此處。
客戶可以通過 IBM Expert Care 在銷售時選擇所需的支持級別，點擊此處了解更多信息。
【關(guān)于IBM】
IBM 是全球領(lǐng)先的混合云、人工智能及企業(yè)服務(wù)提供商，幫助超過 175 個國家和地區(qū)的客戶，從其擁有的數(shù)據(jù)中獲取商業(yè)洞察，簡化業(yè)務(wù)流程，降低成本，并獲得行業(yè)競爭優(yōu)勢。金融服務(wù)、電信和醫(yī)療健康等關(guān)鍵基礎(chǔ)設(shè)施領(lǐng)域的超過 4000 家政府和企業(yè)實體依靠 IBM 混合云平臺和紅帽 OpenShift 快速、高效、安全地實現(xiàn)數(shù)字化轉(zhuǎn)型。IBM 在人工智能、量子計算、行業(yè)云解決方案和企業(yè)服務(wù)方面的突破性創(chuàng)新為我們的客戶提供了開放和靈活的選擇。對企業(yè)誠信、透明治理、社會責(zé)任、包容文化和服務(wù)精神的長期承諾是 IBM 業(yè)務(wù)發(fā)展的基石。了解更多信息，請訪問：https://www.ibm.com/cn-zh
