FlashBlade//EXA sépare métadonnées et transport des données afin de faire progresser le débit avec les besoins des infrastructures d’IA.
Faire évoluer une infrastructure d’IA ne consiste pas uniquement à ajouter des GPU. À mesure que la puissance de calcul augmente et que les modèles grossissent, le stockage doit lui aussi absorber davantage de transferts sans créer de temps d’attente pour les accélérateurs. Everpure s’appuie pour cela sur l’architecture désagrégée de FlashBlade//EXA. Le système sépare la gestion des métadonnées du transport des données afin de permettre aux différentes ressources de progresser indépendamment.
Le débit progresse avec le nombre de nœuds
Les résultats de MLPerf Storage v3.0 donnent une indication de cette montée en charge. Lors du checkpointing d’un modèle de 1 250 milliards de paramètres, le débit d’écriture de FlashBlade//EXA passe de 327,65 Gio/s avec 10 nœuds de données à 877,52 Gio/s avec 30 nœuds. Dans cette dernière configuration, 1 024 accélérateurs simulés sont associés aux 30 nœuds de données. Le débit de lecture atteint 588,28 Gio/s. La configuration comprend également 30 lames FlashBlade//EXA et 120 modules DirectFlash dédiés aux métadonnées, pour environ 866 To de capacité utile accessibles à travers un système de fichiers unifié.
Éviter que le stockage ralentisse les accélérateurs
Cette architecture vise à accompagner l’évolution parallèle du calcul et des volumes de données. Lorsqu’un entraînement effectue un checkpoint ou qu’une charge d’inférence récupère son cache KV, un stockage trop lent peut laisser les GPU et les accélérateurs sans données à traiter. Everpure inscrit cette approche dans sa vision Enterprise Data Cloud, destinée à gérer les données à travers des environnements de plus en plus complexes.
Les performances maximales restent un critère, mais la capacité à faire évoluer les transferts de manière prévisible devient également déterminante lorsque les infrastructures IA gagnent en taille.
