東芝硬盤如何優(yōu)化存儲(chǔ)

AI加速的關(guān)鍵杠桿

存儲(chǔ)優(yōu)化

鐵子們誰懂?。∽蛱觳坏?小時(shí)跑完的模型，今天突然變成"樹懶速度"！Tell me why？說起“與時(shí)間賽跑”的數(shù)據(jù)，AI工程師妥妥破防，這些場(chǎng)面他們已經(jīng)見怪不怪了……

多任務(wù)并行，變成“搶凳子”游戲

當(dāng)自然語言處理、推薦系統(tǒng)和圖像識(shí)別同時(shí)開跑，每個(gè)任務(wù)的訓(xùn)練速度呈指數(shù)級(jí)下降，大量時(shí)間浪費(fèi)在等待數(shù)據(jù)加載上。像極了早高峰擠地鐵——誰都別想快！

模型迭代，精度與速度孰重？

公司的AI團(tuán)隊(duì)每周模型迭代。隨著數(shù)據(jù)累積到一定程度，模型架構(gòu)也越來越深，每次完整訓(xùn)練超出計(jì)劃時(shí)長(zhǎng)。團(tuán)隊(duì)含淚在精度和速度之間做起了選擇題。

AI訓(xùn)練減速，存儲(chǔ)系統(tǒng)也要擔(dān)責(zé)

訓(xùn)練速度變得越來越慢，成了研發(fā)效率和創(chuàng)新節(jié)奏的絆腳石。導(dǎo)致AI訓(xùn)練速度變慢的原因錯(cuò)綜復(fù)雜，別急著甩鍋給算法，也很可能是存儲(chǔ)系統(tǒng)在偷偷"閑置"，例如：

1數(shù)據(jù)洪流與存儲(chǔ)帶寬不匹配

現(xiàn)代AI模型訓(xùn)練常需要處理TB甚至PB級(jí)數(shù)據(jù)，GPU餓到啃手指，而存儲(chǔ)系統(tǒng)卻還在用吸管喂數(shù)據(jù)，大量昂貴的計(jì)算資源一時(shí)無用武之地。

2隨機(jī)與順序讀取的失衡

AI深度訓(xùn)練時(shí)，會(huì)通過數(shù)據(jù)增強(qiáng)和隨機(jī)采樣技術(shù)對(duì)原始數(shù)據(jù)進(jìn)行旋轉(zhuǎn)、裁剪、打亂等操作，來獲得更豐富、更多樣化的訓(xùn)練數(shù)據(jù)！但難點(diǎn)是硬盤得滿場(chǎng)“飛檐走壁”讀數(shù)據(jù)，隨機(jī)讀寫和順序讀寫一旦失衡，容易形成存儲(chǔ)訪問瓶頸。

3冷熱數(shù)據(jù)一視同仁

訓(xùn)練過程中，本應(yīng)享受優(yōu)先待遇的熱數(shù)據(jù)，結(jié)果和冷數(shù)據(jù)一起排隊(duì)；而本該躺平的冷數(shù)據(jù)，卻抓出來一起卷，結(jié)果緩存擺爛、分布式訓(xùn)練時(shí)全員卡頓。

存儲(chǔ)優(yōu)化，讓數(shù)據(jù)跑起來！

算力和存儲(chǔ)就像印刷廠的神仙CP，計(jì)算會(huì)像“機(jī)器印刷文字”一樣生成大量token（詞元），而存儲(chǔ)就是“紙張”。AI模型訓(xùn)練，大規(guī)模的算力要求存儲(chǔ)系統(tǒng)提供更高性能的數(shù)據(jù)訪問，就如印刷機(jī)提速了，紙張的質(zhì)量和供應(yīng)速度也要同頻給力。那如何優(yōu)化存儲(chǔ)呢？

1 智能分層：數(shù)據(jù)科學(xué)分管

智能分層存儲(chǔ)系統(tǒng)通過實(shí)時(shí)監(jiān)控?cái)?shù)據(jù)訪問模式，自動(dòng)將頻繁訪問的"熱數(shù)據(jù)"配"超跑"，常駐高速存儲(chǔ)，將不常訪問的冷數(shù)據(jù)妥善保管，"溫?cái)?shù)據(jù)"存在平衡性能與成本的中間層?？娠@著提升緩存命中率，減少等待時(shí)間。

2并行存儲(chǔ)：突破帶寬瓶頸

分布式存儲(chǔ)系統(tǒng)，通過將數(shù)據(jù)分散在多個(gè)節(jié)點(diǎn)上，實(shí)現(xiàn)了聚合帶寬的線性增長(zhǎng)。把數(shù)據(jù)分散部署，系統(tǒng)統(tǒng)一指揮，團(tuán)隊(duì)?wèi)?zhàn)速！告別"單車道堵車"，滿足大規(guī)模分布式訓(xùn)練的需求。

作為分布式存儲(chǔ)系統(tǒng)的其中一部分，HDD硬盤在其中大有作為。東芝MG10系列20TB企業(yè)級(jí)硬盤，采用CMR傳統(tǒng)磁記錄技術(shù)，20TB海量存儲(chǔ)空間+7200rpm轉(zhuǎn)速、最大數(shù)據(jù)傳輸速度達(dá)268MiB/s，讓數(shù)據(jù)輸送從"鄉(xiāng)村小路"升級(jí)為"高鐵"！且額定工作負(fù)載高達(dá)550TB/年，平均無故障時(shí)間達(dá)250萬小時(shí)，高耐用性適用于寫入密集的訓(xùn)練場(chǎng)景。

By the way，云存儲(chǔ)的彈性優(yōu)勢(shì)也不容忽視，突發(fā)性訓(xùn)練任務(wù)，資源秒擴(kuò)容，絕不掉鏈子。結(jié)合本地緩存加速，可構(gòu)建混合云訓(xùn)練環(huán)境，速度省錢它都給！

在AI訓(xùn)練的全棧優(yōu)化中，存儲(chǔ)配置往往能以較小杠桿，撬動(dòng)顯著的加速效果，根據(jù)分析訓(xùn)練任務(wù)的數(shù)據(jù)訪問模式、帶寬需求和延遲敏感度，選擇匹配的存儲(chǔ)架構(gòu)，可以給企業(yè)狠狠上大分，充分釋放計(jì)算資源潛力，保持競(jìng)爭(zhēng)優(yōu)勢(shì)！