Netweb Technologies India Limited a annoncé le lancement de Tyrone ParallelStor Velox, une plateforme de données unifiée dotée de capacités de système de fichiers parallèles. Cette solution est conçue pour répondre à l'un des défis les plus critiques de l'informatique moderne : le goulot d'étranglement des données dans l'infrastructure de l'IA. Alors que les organisations intensifient leurs charges de travail d'IA et déploient des clusters de GPU de plus en plus puissants, une contrainte fondamentale est apparue : si les performances de calcul ont progressé rapidement, l'infrastructure de données n'a pas suivi le rythme. La performance de l'IA n'est plus limitée par la puissance de calcul, mais par la donnée.
Les environnements de stockage fragmentés, les ensembles de données dupliqués et les modèles d'accès incohérents ralentissent les pipelines d'IA, sous-utilisent des ressources de calcul coûteuses et augmentent la complexité opérationnelle. ParallelStor Velox est conçu pour résoudre ce problème. Velox agit comme une dorsale de données haute performance pour l'IA, le calcul haute performance (HPC) et les charges de travail d'entreprise, garantissant que les données peuvent être consultées, déplacées et traitées à la vitesse exigé{;e par le calcul moderne.
En unifiant les données sur flash, disque, bande et cloud au sein d'un espace de nommage global unique, Velox élimine les silos et permet un accès fluide et à haute vitesse à travers les environnements. Cela permet aux pipelines d'IA, aux cadres d'analyse et aux applications d'entreprise de fonctionner sur une couche de données unique et cohérente, sans duplication ni retard.
Velox est conçu pour la vélocité et l'échelle des données. Velox prend en charge des technologies avancées d'optimisation du chemin des données : des pipelines de données à haut débit pour alimenter efficacement les clusters de GPU ; un accès simultané à grande échelle pour l'entraînement de l'IA, la simulation et l'analyse ; une performance constante dans les environnements distribués ; l'élimination des copies de données redondantes entre les charges de travail de fichiers et d'objets. Il supporte également le stockage NVIDIA GPUDirect, permettant un transfert de données direct entre le stockage et la mémoire du GPU, contournant ainsi la charge processeur (CPU) et réduisant considérablement la latence pour les charges de travail d'IA/ML. Il en résulte une meilleure utilisation des GPU, un entraînement plus rapide des modèles et une efficacité accrue de l'infrastructure.
Velox offre une plateforme de données unifiée unique pour les environnements sur site et dans le cloud ; un accès multiprotocole (POSIX, NFS, SMB, S3/Swift, Hadoop) sur le même ensemble de données ; et une gestion du cycle de vie des données pilotée par des politiques, alignant la performance et le coût sur l'utilisation des données. Les données sont automatiquement placées sur le niveau approprié - du flash haute performance au stockage objet ou bande économique - sans modifier la manière dont les utilisateurs et les applications y accèdent.
ParallelStor Velox est destiné aux secteurs à forte croissance et intensifs en données, notamment : l'IA, le HPC et la recherche, pour l'entraînement de modèles et les simulations ; le secteur public et gouvernemental, pour permettre une infrastructure de données souveraine avec un contrôle unifié ; et le secteur bancaire et financier (BFSI), pour l'analyse en temps réel et la modélisation des risques. Velox répond au besoin croissant d'infrastructures d'IA souveraines, offrant aux organisations un contrôle, une sécurité et une évolutivité accrus.
Capacités clés : Dorsale de données prête pour l'IA - optimisée pour un accès à haut débit et faible latence ; Plateforme de données unifiée - espace de nommage global unique ; Performance parallèle à l'échelle - IOPS et débit élevés ; Accès multiprotocole - POSIX, NFS, SMB, S3/Swift, Hadoop ; Gestion intelligente du cycle de vie des données - hiérarchisation automatisée ; Sécurité et résilience de classe entreprise - protection et gouvernance intégrées.
