Vitesse optimisée par l'IA pour un budget de stockage d'objets

Non, NeuralCache est intégré à la plateforme Qumulo et ne constitue pas une fonctionnalité facturée séparément.

Oui, certains flux de travail bénéficieront d'une accélération plus importante que d'autres, mais NeuralCache améliorera les performances de chaque flux de travail.

Dans un flux de travail traditionnel basé sur les fichiers, vous devez attendre le téléchargement complet d'un fichier ou d'un projet depuis le stockage distant avant de pouvoir commencer à travailler. Imaginez lire une vidéo de plusieurs gigaoctets et devoir attendre la fin du téléchargement avant de pouvoir la lancer. Avec Qumulo NeuralCache, nous déplaçons intelligemment de petits fragments du système de fichiers vers votre cloud local ou votre cluster sur site au fur et à mesure de votre utilisation. NeuralCache prédit efficacement les blocs qui seront probablement nécessaires par la suite et charge ces données avant même que vous ne les demandiez. Si vous modifiez votre tâche, par exemple en affichant une vidéo, NeuralCache s'adaptera rapidement à vos nouvelles habitudes et récupérera les données pertinentes pour votre travail en cours.

NeuralCache réduit les coûts en traitant la grande majorité des requêtes de lecture directement depuis le cache local, évitant ainsi les coûteuses requêtes GET vers le stockage d'objets. Côté écriture, le système agrège, compacte et compresse les nouvelles modifications de données en objets plus volumineux et hautement efficaces avant de les envoyer au stockage. Ce processus peut regrouper des centaines d'opérations d'écriture individuelles en une seule requête PUT, réduisant ainsi les coûts globaux de l'API jusqu'à 99 %.

Pour l'IA, NeuralCache permet des pipelines sans copie où les modèles peuvent ingérer des données directement depuis l'espace de noms avec une latence inférieure à la milliseconde, ce qui accélère le démarrage des tâches et garantit des performances d'entraînement très homogènes. Pour les effets visuels et la production multimédia, le système précharge proactivement les ressources critiques (comme les rushes, les textures et les fichiers de projet), assurant ainsi une lecture fluide, éliminant les délais de défilement dans la timeline et prévenant les pics de latence lors du montage et du rendu.

Au lieu d'attendre qu'une application demande des données, NeuralCache utilise des modèles d'apprentissage automatique prédictifs, entraînés sur des milliards de transactions de fichiers réelles. Il exploite un « jumeau numérique » mis à jour en continu pour analyser en temps réel le comportement des applications, l'organisation des fichiers et les schémas d'accès. En combinant ces signaux avec un système de notation thermique à court et à long terme, NeuralCache anticipe avec précision les données qui seront nécessaires et les précharge proactivement dans des caches locaux haute performance (tels que NVMe et DRAM) avant même que la requête ne soit effectuée.