KI-gestützte Geschwindigkeit zum Preis eines Objektspeichers

Nein, NeuralCache ist in die Qumulo-Plattform integriert und stellt keine separat abrechnungsfähige Funktion dar.

Ja, manche Workflows werden stärker beschleunigt als andere, aber NeuralCache wird die Leistung jedes einzelnen Workflows verbessern.

Bei einem herkömmlichen dateibasierten Workflow müssten Sie warten, bis eine gesamte Datei oder ein gesamtes Projekt vom Remote-Speicher heruntergeladen wurde, bevor Sie mit der Arbeit beginnen könnten. Stellen Sie sich vor, Sie möchten ein mehrere GB großes Video abspielen und müssten warten, bis es vollständig heruntergeladen ist, bevor Sie auf „Play“ klicken können. Mit Qumulo NeuralCache verschieben wir kleine Teile des Dateisystems intelligent in Ihre lokale Cloud oder Ihren lokalen Cluster, während Sie diese nutzen. NeuralCache sagt effektiv voraus, welche Blöcke wahrscheinlich als Nächstes benötigt werden, und lädt diese Daten bereits herunter, bevor Sie sie anfordern. Wenn Sie Ihre Tätigkeit ändern – beispielsweise beim Durchspulen einer Videodatei –, passt sich NeuralCache schnell an Ihre neuen Muster an und ruft die für Ihre aktuelle Arbeit relevanten Daten ab.

NeuralCache senkt die Kosten, indem es den Großteil der Leseanfragen direkt aus dem lokalen Cache bedient und so kostspielige GET-Anfragen an den Objektspeicher effektiv vermeidet. Auf der Schreibseite aggregiert, komprimiert und verdichtet das System neue Datenänderungen zu größeren, hocheffizienten Objektgrößen, bevor diese an den Objektspeicher gesendet werden. Durch diesen Prozess lassen sich Hunderte einzelner Schreibvorgänge zu einer einzigen PUT-Anfrage zusammenfassen, wodurch die Gesamtkosten für API-Aufrufe um bis zu 99 % gesenkt werden.

Im Bereich der KI ermöglicht NeuralCache Zero-Copy-Pipelines, bei denen Modelle Daten mit einer Latenz von unter einer Millisekunde direkt aus dem Namespace einlesen können, was zu schnelleren Startzeiten der Jobs und einer äußerst konsistenten Trainingsleistung führt. Im Bereich VFX und Medienproduktion lädt das System wichtige Assets (wie Rohmaterial, Texturen und Projektdateien) proaktiv vor. Dies sorgt für eine flüssige Medienwiedergabe, beseitigt Verzögerungen beim Scrollen in der Zeitleiste und verhindert Latenzspitzen während der Bearbeitung und des Renderings.

Anstatt darauf zu warten, dass eine Anwendung Daten anfordert, nutzt NeuralCache prädiktive Machine-Learning-Modelle, die anhand von Billionen realer Dateitransaktionen trainiert wurden. Es setzt einen kontinuierlich aktualisierten „digitalen Zwilling“ ein, um das Live-Verhalten von Anwendungen, Dateistrukturen und Zugriffsmuster zu analysieren. Durch die Kombination dieser Signale mit kurz- und langfristigen Heat-Scores prognostiziert das System präzise, welche Daten als Nächstes benötigt werden, und lädt diese proaktiv in hochleistungsfähige lokale Caches (wie NVMe und DRAM) vor, noch bevor die Anfrage überhaupt gestellt wird.