人工智能和对象存储，能擦出什么样的火花？( 三 ) 背景：今日

----人工智能和对象存储，能擦出什么样的火花？//----

　　AI各个阶段的IO特征及存储需求

　　综合考虑用户使用习惯、性价比、性能和容量，如果能够取得一个平衡的话，对象存储能够用在AI的多个不同阶段中，如提取、准备、训练、归档等。

　　NVIDIA收购SwiftStack用来做什么呢？

　　首先，我们来看一下做为事实上的标准的AWS S3 ，从骨子里说，它代表的对象存储，是一种在线的海量数据较低成本的存储方式，适合跨地域读写;因此，虽然备份归档是对象存储的使用场景之一，但只是做备份归档，其实是委屈了对象存储。

　　其次，对象存储的高并发，特别适合前端呈现分布式负载的场景。 AI场景的使用，包括AI训练、AI推理，是由许许多多个任务并发进行的，任务与任务之间几乎没有数据的交互，因此很少考虑存储通常要顾及的写一致性。

　　因此，在我们看来， NVIDIA收购SwiftStack或许有如下几个原因：

人工智能和对象存储，能擦出什么样的火花？。　　1)NVIDIA欲整合AI基础架构

　　NVIDIA是一个非常注重生态的公司，它的版图里应该不仅仅是计算以及衍生出来的各个组件，从近两年的动作来看， NVIDIA想整合整个AI基础架构。 2019年3月11日NVIDIA以69亿美元收购 Mellanox;2020年3月6日宣布收购SwiftStack 。

　　2)SwiftStack具备数据跨云管理和高并发的优势

　　据报道："Manuvir Das表示， NVIDIA尤其喜欢SwiftStack的1space技术，该技术可以为忙于处理缓存和分层等任务的GPU助一臂之力。

　　SwiftStack V7于2019年发布，提供数PB的规模，可处理数千个worker节点同时访问数据的任务。它提供了超过100GB /秒的吞吐速度，性能和容量都能实现线性扩展。

　　1space是NVIDIA收购Swiftstack的主要原因，这是一种文件连接件，使云原生应用程序可以通过S3或Swift对象API访问本地数据或AWS数据，并可以确保不断向数据提供计算资源”

　　我个人认为， AI训练有个特点，它一次性将原始训练集的数据加载到计算节点的内存或者SSD后，需要经过一段较长的时间(也即计算或说训练) ，才会再次读取存储上的数据。因此，对象存储的延迟可能不会构成障碍，这一点可以通过高并发来弥补。

　　3)还可将SwiftStack用于数据提取，或者数据归档阶段。海量的数据，采用对象存储是一个不错的选择。

　　4)维护原有使用习惯

　　NVIDIA内部大量使用SwiftStack来存储数据，几年下来，习惯已经养成，而且猜测数据量也非常庞大。通过收购SwiftStack ，以免未来受人制肘，也是有可能的。

　　无论如何，对象存储在云计算和AI迅猛普及的情况下，一定会迎来它的春天。 IDC中国SDS市场数据显示， 2019年对象存储增长率55.3% ，是中国软件定义存储市场里增速最快的细分领域。