광고
광고
광고
광고
광고
광고
광고
광고
광고
광고
광고
광고
광고
로고

[데이터 스토리지] AI/ML 이니셔티브를 지원하기 위해서는 스토리지가 중요하다. AI/ML 워크로드 및 데이터 스토리지 측면에서 조직은 크고 작은 파일을 포함하여 다양한 유형의 워크로드를 처리할 수 있는 솔루션이 필요하다. 정확성과 속도를 보장하기 위해 조직은 방대한 데이터 세트를 필요로 한다. 용량 확장은 중요하지만 충분하지 않는다. 조직은 또한 성능 측면에서 선형적으로 확장할 수 있는 능력이 필요하다. 조직은 AI 및 ML의 인기가 높아짐에 따라 스토리지를 보는 새로운 방식을 채택해야 한다.

https://www.unite.ai/choosing-storage-to-support-ai-ml-initiatives/

JM Kim | 기사입력 2021/12/17 [00:00]

[데이터 스토리지] AI/ML 이니셔티브를 지원하기 위해서는 스토리지가 중요하다. AI/ML 워크로드 및 데이터 스토리지 측면에서 조직은 크고 작은 파일을 포함하여 다양한 유형의 워크로드를 처리할 수 있는 솔루션이 필요하다. 정확성과 속도를 보장하기 위해 조직은 방대한 데이터 세트를 필요로 한다. 용량 확장은 중요하지만 충분하지 않는다. 조직은 또한 성능 측면에서 선형적으로 확장할 수 있는 능력이 필요하다. 조직은 AI 및 ML의 인기가 높아짐에 따라 스토리지를 보는 새로운 방식을 채택해야 한다.

https://www.unite.ai/choosing-storage-to-support-ai-ml-initiatives/

JM Kim | 입력 : 2021/12/17 [00:00]

ML AI의 채택은 계속해서 빠르게 증가하고 있으며, 이는 많은 사용 사례가 예고하는 비즈니스 통찰력과 산업 변화를 고려할 때 놀라운 일이 아니다. PwC 2030년까지 AI가 세계 경제에 거의 16조 달러를 기여할 것으로 예측한다. 이는 지역 경제의 GDP 26% 증가하는 것으로 해석된다.

 

이러한 기술이 작동하려면 방대한 양의 비정형 데이터가 필요하며 해당 데이터는 종종 비디오, 이미지, 텍스트 및 음성의 형태로 제공된다. 이러한 유형의 워크로드에는 데이터 저장에 대한 새로운 접근 방식이 필요하다오래된 방법으로는 충분하지 않다. 이러한 워크로드의 출현으로 애플리케이션은 클라우드, 에지 및 온프레미스 등 어디에서나 생성되는 방대한 양의 데이터에 더 빠르게 액세스해야 다. 이러한 집약적 워크로드에는 짧은 지연 시간, 다양한 유형과 크기의 페이로드를 지원하는 기능, 선형적으로 확장할 수 있는 기능이 필요하다.

 

필요한 것은 위치 또는 기술 중심이 아닌 애플리케이션 중심의 데이터 전달에 대한 새로운 접근 방식이다. AI/ML 및 분석의 대규모 채택으로 엔터프라이즈 IT 리더는 데이터 관리 및 저장에 대한 생각의 상당한 변화가 필요하다.

 

모든 파일 크기 처리

AI/ML 워크로드 및 데이터 스토리지 측면에서 조직은 크고 작은 파일을 포함하여 다양한 유형의 워크로드를 처리할 수 있는 솔루션이 필요하다. 어떤 경우에는 수십 테라바이트를 처리해야 할 수도 있고 다른 경우에는 많은 페타바이트를 처리해야 할 수도 있다. 모든 솔루션이 매우 작은 파일을 처리할 수 없는 것처럼 모든 솔루션이 대용량 파일을 위한 것은 아니다. 비결은 두 가지 모두를 유연하게 처리할 수 있는 것을 찾는 것이다. 

 

확장성은 필수

정확성과 속도를 보장하기 위해 조직은 방대한 데이터 세트를 필요로 한다. AI/ML 알고리즘이 기본 모델을 적절하게 훈련하는 데 필요한 것이기 때문이다. 조직은 용량과 성능 면에서 성장하기를 원하지만 기존 스토리지 솔루션으로 인해 종종 방해를 받는다. 선형적으로 확장하려고 하면 할 수 없다. AI/ML 워크로드에는 데이터 증가에 따라 무한대로 확장할 수 있는 스토리지 솔루션이 필요하다. 

수백 테라바이트는 표준 파일 및 블록 스토리지 솔루션을 최대한 활용한다. 그 후에는 확장할 수 없다. 개체 스토리지는 수요에 따라 제한 없이 탄력적으로 원활하게 확장할 수 있다. 그리고 오브젝트 스토리지가 기존 스토리지와 비교하여 중요한 점은 제한이 없는 완전히 평평한 공간이라는 것이다. 사용자는 기존 스토리지에서 발견할 수 있는 제한 사항에 직면하지 않는다.

 

성능 요구 사항 충족

용량 확장은 중요하지만 충분하지 않는다. 조직은 또한 성능 측면에서 선형적으로 확장할 수 있는 능력이 필요하다. 불행히도 기존의 많은 스토리지 솔루션에서는 용량 확장으로 인해 성능이 저하된다. 따라서 조직이 용량 측면에서 선형적으로 확장해야 하는 경우 성능이 정체되거나 저하되는 경향이 있다. 

 

표준 스토리지 패러다임은 디렉토리와 하위 디렉토리가 있는 계층 구조로 구성된 파일로 구성된다. 이 아키텍처는 데이터 용량이 작을 때 잘 작동하지만 용량이 증가함에 따라 시스템 병목 현상과 파일 조회 테이블의 제한으로 인해 특정 지점에서 성능이 저하된다. 그러나 개체 스토리지는 노드를 추가하기만 하면 페타바이트 이상으로 확장할 수 있도록 무제한 플랫 네임스페이스를 제공한다. 이러한 이유로 용량에 맞게 확장하면서 성능에 맞게 확장할 수 있다.

 

AI/ML 프로젝트를 지원할 수 있는 스토리지

조직은 AI ML의 인기가 높아짐에 따라 스토리지를 보는 새로운 방식을 채택해야 한다. 이 새로운 접근 방식은 적절한 방식으로 AI/ML 이니셔티브를 수립, 실행 및 확장할 수 있는 권한을 부여해야 한다. AI/ML 교육은 분명한 요구 사항이므로 오늘날 사용 가능한 일부 엔터프라이즈급 개체 스토리지 소프트웨어는 이러한 요구 사항을 충족하도록 구축되었다. 기업은 하나의 서버로 시작하여 소규모로 이니셔티브를 시작한 다음 용량과 성능 모두에 대해 필요에 따라 확장할 수 있다. 또한 이러한 프로젝트는 분석 애플리케이션을 위한 성능을 결정적으로 필요로 하며 빠른 개체 스토리지가 이를 제공한다. 또한 개체 스토리지는 여러 클라우드에서 완전한 데이터 수명 주기 관리를 제공하고 에지에서 코어까지의 유연성을 가능하게 한다.

 

기업은 데이터를 효율적으로 처리해야 하며, 개체 스토리지는 애플리케이션이 여러 클라우드에서도 온프레미스 데이터에 쉽게 액세스할 수 있도록 하여 이를 수행한다. 낮은 지연 시간, 확장성 및 유연성으로 인해 객체 스토리지는 AI/ML 이니셔티브의 강력한 동맹국이 된다.

 
데이터 스토리지, 머신러닝, 인공지능 관련기사목록
광고
광고
광고
광고
광고
광고
광고
많이 본 기사
최신기사