人工智能和对象存储能擦出什么样的火花？

在上一篇文章中，小编为您详细介绍了关于《[路演]元隆雅图：在手客户和订单正常服务和执行》相关知识。本篇中小编将再为您讲解标题人工智能和对象存储能擦出什么样的火花？。

原标题：人工智能和对象存储 能擦出什么样的火花？

背景：今日，NVIDIA宣布要收购对象存储SwiftStack。

正文：

每当看到人工智能（也即AI），我们通常会想到机器人、自动化、图像语音或视频识别、算法等高大上的黑科技。而对象存储则给人一种低调、海量的感觉。是什么原因，让这两者相遇，并擦出了火花？

什么是对象存储？

对象存储是自包含、自愈合的智能存储设备，具有容量大、速度快、扩展灵活的特点。每一个对象除了存放数据本身之外，还存放了唯一标识符和数据的元信息，例如创建的日期和时间，属主，大小，索引，保留周期，QoS等。对象本身使得数据的组织得到了简化，避免了传统存储文件目录树形结构的复杂。对象的存放是扁平化地方式保存在bucket（桶）中的，变得更简单。而且对象的元信息，也方便了检索。

拿生活中常见的例子来比喻，当图书馆购进新的纸质书籍需要存放时，需要按照图书分类法（按照图书的内容、形式、体裁和读者用途等进行分类），清楚地知道大类、子类和更详细的分类，才能找到合适的位置上架。文件存储的数据存放就类似图书分门别类地存放，如下图。

类比：文件存储的数据存放方式就像图书分类

当我们逛超市需要存包的时候，尽管有那么多储物柜，但是大家都觉得存取包很简单。存的时候，按一下存包按键，啪的一声，一个柜子打开，同时你会得到包含二维码的纸条，你把包放到柜子里，但是不用记住柜子的位置和编号，潇洒的离开。当你取包的时候，你刷一下二维码，也是啪的一声，放包的柜子自动打开，所存物品唾手可得。对象存储的数据存放方式就和超市存取包很类似，存储对象的唯一标识符就相当于那个二维码。

类比：对象存储的数据存放方式就像超市存包

下图是对象存储的一些特点。

对象存储特点

不过，我们需要注意的是，文件存储和对象存储有着各自适用的场景。下图列出了分布式文件存储和分布式对象存储的区别：

分布式文件存储与分布式对象存储的区别

当文件数量级过亿的时候，文件目录树形结构会对数据的读写造成巨大的挑战，例如在linux中如果用ls查看文件，可能都要等待几十分钟以上。但是，量级没有如此之大时，因为过去的使用习惯，以及相对成熟的生态，使用文件存储还是不错的选择。

如何避免错误理解对象存储

当我们谈对象存储时，需要注意讨论的是存储接口，还是内部数据组织形式。

1）实际上，讨论对象存储大多数是指存储接口，是否支持RestFul或S3，也即对象接口的形式来访问存储空间。

2）少数情况下，对象存储指存储设备的内部数据组织形式。在数据猛增的背景下，越来越多的存储设备内部采用对象存储的这种内部数据组织形式。例如VMware vSAN，其实是是一种基于服务器端存储的共享分布式对象存储系统，只不过存储接口主要采用的是SCSI方式；或者具备高可靠、高性能、高安全和易管理的浪潮AS13000，如下图。

浪潮AS13000G5的对象存储功能

AI与对象存储

在许多人的印象中，AI需要大量的算力，是计算密集型的典型应用。而对象存储大多时候用于海量非结构化数据的存放，备份归档，云存储、企业云盘、文档影像或视频的存储等。从存储特征来看，对象存储的延迟可能较难满足AI的性能需求；从使用习惯来看，大多数AI用户都是采用文件接口。

实际上，有计算，就会有存储，只是或多或少，或快或慢，或过渡或长期保存的区别。

在微信公众号浪潮存储《2020：下一个十年，存储发展的趋势是什么》上篇也即鉴往事篇一文中，曾提到：

AI所需存储，可以分为准备、训练、推理和归档等阶段，每个阶段的IO特征不一样，对于存储的要求也不一样。例如，在推理阶段，IO的特征是读写混合，并且要求存储的延时低，能快速响应。

下图列出了AI各个阶段的IO特征，及其对存储的要求。

AI各个阶段的IO特征及存储需求

综合考虑用户使用习惯、性价比、性能和容量，如果能够取得一个平衡的话，对象存储能够用在AI的多个不同阶段中，如提取、准备、训练、归档等。

NVIDIA收购SwiftStack用来做什么呢？

首先，我们来看一下做为事实上的标准的AWS S3，从骨子里说，它代表的对象存储，是一种在线的海量数据较低成本的存储方式，适合跨地域读写；因此，虽然备份归档是对象存储的使用场景之一，但只是做备份归档，其实是委屈了对象存储。

其次，对象存储的高并发，特别适合前端呈现分布式负载的场景。AI场景的使用，包括AI训练、AI推理，是由许许多多个任务并发进行的，任务与任务之间几乎没有数据的交互，因此很少考虑存储通常要顾及的写一致性。

因此，在我们看来，NVIDIA收购SwiftStack或许有如下几个原因：

1）NVIDIA欲整合AI基础架构

NVIDIA是一个非常注重生态的公司，它的版图里应该不仅仅是计算以及衍生出来的各个组件，从近两年的动作来看，NVIDIA想整合整个AI基础架构。2019年3月11日NVIDIA以69亿美元收购 Mellanox；2020年3月6日宣布收购SwiftStack。

2）SwiftStack具备数据跨云管理和高并发的优势

据报道："Manuvir Das表示，NVIDIA尤其喜欢SwiftStack的1space技术，该技术可以为忙于处理缓存和分层等任务的GPU助一臂之力。

SwiftStack V7于2019年发布，提供数PB的规模，可处理数千个worker节点同时访问数据的任务。它提供了超过100GB /秒的吞吐速度，性能和容量都能实现线性扩展。

1space是NVIDIA收购Swiftstack的主要原因，这是一种文件连接件，使云原生应用程序可以通过S3或Swift对象API访问本地数据或AWS数据，并可以确保不断向数据提供计算资源”

我个人认为，AI训练有个特点，它一次性将原始训练集的数据加载到计算节点的内存或者SSD后，需要经过一段较长的时间（也即计算或说训练），才会再次读取存储上的数据。因此，对象存储的延迟可能不会构成障碍，这一点可以通过高并发来弥补。

3）还可将SwiftStack用于数据提取，或者数据归档阶段。海量的数据，采用对象存储是一个不错的选择。

4）维护原有使用习惯

NVIDIA内部大量使用SwiftStack来存储数据，几年下来，习惯已经养成，而且猜测数据量也非常庞大。通过收购SwiftStack，以免未来受人制肘，也是有可能的。

无论如何，对象存储在云计算和AI迅猛普及的情况下，一定会迎来它的春天。IDC中国SDS市场数据显示，2019年对象存储增长率55.3%，是中国软件定义存储市场里增速最快的细分领域。

在中国的对象存储市场中，浪潮的AS13000做出了贡献。2019年，AS13000对象存储成功地在某银行（国内排名前15）总行的影像系统中部署，并实现了同城容灾功能。如下图所示：

浪潮AS13000对象存储的实际案例

浪潮分布式存储在不断迭代的过程中，除了前面提到的同城容灾之外，还开发了大量的其他高级特性。一是小对象聚合。浪潮对象存储针对海量小文件场景，通过小对象聚合，节约HDD的磁盘IO，提升存储效率。二是读Cache加速。在卡口图片、AI计算场景，通过读Cache加速提升数据读取效率。三是元数据检索。在存储系统内集成索引引擎，实现根据对象元数据多条件模糊检索对象的技术，有效地提升了海量非结构化数据中“大海捞针”的效率。四是企业级WORM，满足企业客户数据的法规性要求，结合应用特点，灵活设置宽限期和保护期。此外，还有存储OS加固、桶策略配置等等。

展望未来

受“新冠肺炎疫情”影响，在线化、数字化、分散化、自动化等新形态新模式，也对AI、大数据中心（含计算、存储、网络和安全）等的发展提出了迫切的需求。

疫情趋势预测、风险预警、医疗资源和物质的预测和调配，要做到快速、准确、科学的判断，需要和AI结合。

另外，非接触的服务和工作、自动化、快速分析决策和响应的需求等，将会爆发。例如，人脸识别（包括免摘口罩的人脸识别）、AI辅助诊断、应急管理、安防监控、知识图谱、基因研究、医药研发、金融服务、智能配送、各行各业的无人值守（例如零售）、物流运输、个人画像、轨迹追踪、舆情分析等等。

我们相信，作为新基建的一部分，包含AI和存储在内的信息基础设施将迎来更好更快的发展。(作者：浪潮资深存储架构师叶毓睿)游戏网

编后语：关于《人工智能和对象存储能擦出什么样的火花？》关于知识就介绍到这里，希望本站内容能让您有所收获，如有疑问可跟帖留言，值班小编第一时间回复。 下一篇内容是有关《助力国家复工复产，企查查向求职者无偿开放数据平台》，感兴趣的同学可以点击进去看看。