为人工智能工作负载实现存储的指南

对人工智能存储的需求

作为人工智能的应用扩展人工智能网站AIbluedot.com的作者、人工智能咨询公司Collective[i]的前数据科学主管阿德里安·齐达里茨(Adrian Zidaritz)表示，纵观各行各业，这项技术将变得更加普及。

“因此，企业必须将他们基于人工智能的项目与兼容和高效的存储技术相匹配，”Zidaritz说。

存储为人工智能更好地利用基于人工智能的工作负载数据并通过轻松共享数据来增强用户体验，商业和技术咨询公司德勤咨询(Deloitte Consulting)人工智能生态系统和联盟负责人安东尼·夏罗(Anthony Ciarlo)表示。

Ciarlo说:“与传统环境相比，具有正确数据策略的企业组织可以更快地报告数据，提高灵活性和更广泛的数据分析深度。”

主要优点包括:

• 能够在很少的时间内分析和使用大量数据的传统报告。
• 增强的安全措施和访问协议。人工智能的存储使组织能够制定规则，确定谁可以访问以及何时访问。这提供了简单的数据交换，并确保了更安全的数据集，从而降低了操作和遵从性成本。

管理咨询公司Wolters Kluwer的应用数据科学主管约翰·兰顿(John Langton)说，成熟的数据工程基础设施能让用户更快地找到他们需要的信息。

“它还允许使用……从报告到分析，再到更先进的人工智能项目，不同目的的数据。”

有效的存储和数据模型——以及提取、转换和加载流程——将帮助用户简化活动，这样组织就可以专注于分析，而不是转换数据。

为AI部署存储

大多数人工智能项目使用的是两者的结合块和对象存储商业和IT咨询公司凯捷(Capgemini)负责人工智能工程的副总裁Goutham Belliappa说。

“块存储最适合直接的用户交互，比如文件系统、数据库或任何需要高性能读写的应用程序，”Belliappa说。“另一方面，对象存储为应用程序提供了持久性和灵活性，比如图形存储、视频播放器或其他一些可以理解索引和位置的机制，可以访问一次写入并多次读取的数据。”

匹配存储类型的使用, Belliappa说。

他说:“避免抽象，例如，在对象存储之上给你一个类似块存储的结构，这样你最终会得到两者中最糟糕的。”

在复杂的环境中限制文件大小，例如使用火花用于并行处理和拼花文件。文件的方式分区也将极大地影响性能，并导致更快的数据检索。

考虑到云

云——更具体地说，公共云——应该是这样最重要的思想在评估人工智能存储策略时，Ciarlo说。

他说:“在这里，你会发现最新的创新和功能，它们只在云计算中可用。”

例如，对象存储是面向云的，云支持数据共享和交换。

Ciarlo表示:“如果没有云技术的进步，人工智能存储将不会是一种有效或完整的战略。”