應對AI復雜性的關(guān)鍵考慮因素和挑戰(zhàn)

研究公司IDC預測，到2023年，全球在人工智能技術(shù)上的支出將達到近980億美元，高于2019年的375億美元。這一增長代表著近30%的復合年增長率。所有這些新的，復雜的AI應用程序都不會在真空中部署。包括為AI量身定制的存儲在內(nèi)的一系列IT基礎架構(gòu)必須支持和處理這些新的工作負載。

人工智能，特別是機器和深度學習應用程序需要將大量數(shù)據(jù)發(fā)送到CPU或GPU，以進行近乎實時的處理和分析。然后，必須存儲許多數(shù)據(jù)以備將來使用。人工智能應用和技術(shù)將成為未來幾年影響基礎設施決策的主要因素。對于存儲，這意味著企業(yè)必須了解正在處理的數(shù)據(jù)，找到使存儲介質(zhì)更接近計算技術(shù)并增強AI數(shù)據(jù)存儲性能以與處理器相匹配的方法。

以下是我們在各種SearchStorage文章中回答的六個問題，這些問題與AI工作負載如何改變企業(yè)存儲基礎架構(gòu)有關(guān)。

1.規(guī)劃AI數(shù)據(jù)存儲工作負載時應考慮什么?

整合AI應用程序的存儲并非易事。這里有幾個問題需要考慮，細節(jié)必須正確。顧問兼技術(shù)作家羅伯特·謝爾頓(Robert Sheldon)列出了八個此類因素：

了解您的各種工作負載的存儲要求。

了解您的容量和可伸縮性要求。

找出需要保留多長時間以及如何訪問數(shù)據(jù)。

考慮您需要的吞吐量和I / O速率。

考慮位置-計算附近的數(shù)據(jù)將最大限度地減少延遲。

評估要使用的最佳存儲類型-塊，文件或?qū)ο蟆?/p>

使用智能的和軟件定義的存儲來增強性能。

確保所有涉及的系統(tǒng)都緊密集成。

2. AI數(shù)據(jù)存儲帶來哪些挑戰(zhàn)?

根據(jù)IT行業(yè)資深人士Chris Evans的說法，為AI應用程序構(gòu)建存儲存在兩個明顯的挑戰(zhàn)。一方面，在AI或機器學習項目開始之初并不清楚，哪些數(shù)據(jù)將是有用的。結(jié)果，將需要長期的檔案存儲，以便在需要時可以保留和訪問數(shù)據(jù)以支持學習成果。

另一個主要的存儲挑戰(zhàn)在于確保為需要處理的活動數(shù)據(jù)提供足夠的高性能存儲。供應商正在將快速存儲與AI和機器學習功能結(jié)合起來，以滿足這一需求。Evans概述了構(gòu)建可平衡AI工作負載的存儲需求的存儲平臺的挑戰(zhàn)。針對AI產(chǎn)品進行調(diào)整的打包存儲是該討論的一部分，因為它們具有特定的性能水平，所以可能會很有吸引力。