11月18日消息，日前，全球首創(chuàng)的開源數(shù)據(jù)編排軟件開發(fā)商Alluxio宣布正式發(fā)布數(shù)據(jù)編排平臺2.7版本，新版本立即可用。2.7版本通過并行數(shù)據(jù)加載、數(shù)據(jù)預(yù)處理和訓(xùn)練工作流，可將機(jī)器學(xué)習(xí)(ML)訓(xùn)練的I/O效率提高8-12倍，從而顯著降低成本。新版本還提供了更強(qiáng)的性能分析，并能更好地支持ApacheHudi和Iceberg等開放表格格式，使得對數(shù)據(jù)湖的訪問更易于擴(kuò)展，從而實現(xiàn)了Presto和Spark的分析提速。
“Alluxio2.7版本進(jìn)一步鞏固了Alluxio在云上人工智能（AI）、機(jī)器學(xué)習(xí)和深度學(xué)習(xí)方面的重要地位，”Alluxio創(chuàng)始人兼首席執(zhí)行官李浩源表示。“隨著數(shù)據(jù)集的增長以及CPU和GPU計算能力的增強(qiáng)，機(jī)器學(xué)習(xí)和深度學(xué)習(xí)已成為AI主流技術(shù)。這些技術(shù)的興起推動了AI的發(fā)展，但也凸顯了數(shù)據(jù)和存儲系統(tǒng)訪問中存在的一些挑戰(zhàn)。”
“我們在1000個節(jié)點的集群中部署了Alluxio，用來加速我們游戲AI平臺上模型訓(xùn)練的數(shù)據(jù)預(yù)處理。事實證明Alluxio穩(wěn)定、可擴(kuò)展且易于管理。”騰訊大數(shù)據(jù)平臺研發(fā)負(fù)責(zé)人陳鵬表示。“隨著越來越多的大數(shù)據(jù)和AI應(yīng)用容器化，Alluxio正在成為大型企業(yè)和機(jī)構(gòu)的首選，作為加速數(shù)據(jù)分析和模型訓(xùn)練的中間層。”為了達(dá)到這一目標(biāo)，騰訊AlluxioOTeam的毛寶龍團(tuán)隊與社區(qū)緊密合作，貢獻(xiàn)了一系列重要的功能，包括運行期動態(tài)更新配置、CephFS存儲支持，修復(fù)了超過二十個bug并增加了二十余個系統(tǒng)指標(biāo)。
“擁有大規(guī)模分析和AI/ML計算框架的數(shù)據(jù)團(tuán)隊面臨著越來越大的壓力，需要讓日益增長的數(shù)據(jù)源更易于訪問，同時確保性能的穩(wěn)定，這需要同時考慮數(shù)據(jù)本地性、網(wǎng)絡(luò)I/O和成本問題，”ESG分析師MikeLeone表示。“企業(yè)和機(jī)構(gòu)希望選用更實惠和可擴(kuò)展的存儲，如云對象存儲，同時避免昂貴的應(yīng)用程序修改或處理新的性能問題。Alluxio通過抽象存儲細(xì)節(jié)并使數(shù)據(jù)更接近計算側(cè)來應(yīng)對這些挑戰(zhàn)，尤其是在混合云和多云環(huán)境中。”
Alluxio2.7版本新增以下功能：
使用Alluxio和NVIDIA的DALI進(jìn)行機(jī)器學(xué)習(xí)訓(xùn)練
NVIDIA的數(shù)據(jù)加載庫(DALI)是一個常用的Python庫，支持通過CPU和GPU進(jìn)行數(shù)據(jù)加載和預(yù)處理從而加速深度學(xué)習(xí)。在2.7版本中，Alluxio平臺進(jìn)行了優(yōu)化，可以與DALI一起部署用于加速基于Python的ML應(yīng)用，其中包括模型訓(xùn)練和推理之前的數(shù)據(jù)加載和預(yù)處理步驟。通過加速I/O密集型工作并允許并行處理后續(xù)的計算密集型訓(xùn)練，Alluxio數(shù)據(jù)平臺上的端到端訓(xùn)練與傳統(tǒng)解決方案相比實現(xiàn)了顯著的性能提升。對于海量小文件的訓(xùn)練，與其他解決方案相比，該解決方案可以實現(xiàn)橫向擴(kuò)展（scale-out）。
大規(guī)模數(shù)據(jù)加載
Alluxio的核心定位是數(shù)據(jù)管理能力，這些能力包括對分散的數(shù)據(jù)源進(jìn)行統(tǒng)一和實現(xiàn)緩存。隨著Alluxio越來越多地用于計算和存儲跨多個地理位置的場景，Alluxio自身也在不斷擴(kuò)展。本次更新采用新技術(shù)對數(shù)據(jù)進(jìn)行批處理，從而增強(qiáng)其可擴(kuò)展性。批處理通過使用內(nèi)置執(zhí)行引擎處理數(shù)據(jù)加載等任務(wù)，減少了管理控制器對資源的需求，從而減少了系統(tǒng)配置的工作量，降低了成本。
Kubernetes上的易用性
Alluxio現(xiàn)在支持用于Kubernetes的原生容器存儲接口(CSI)驅(qū)動，以及用于ML的Kubernetesoperator，這使得在容器化環(huán)境中的Alluxio平臺上操作ML工作流比以往任何時候都更加容易。Alluxio的卷類型現(xiàn)在可用于Kubernetes環(huán)境。敏捷性和易用性是本次新版本關(guān)注的重點。
在Presto上基于分析動態(tài)調(diào)整緩存
新版本還推出了智能緩存新功能，名為ShadowCache，能夠動態(tài)分析緩存大小對響應(yīng)速度的影響，從而輕松實現(xiàn)高性能和低成本之間的平衡。對于大規(guī)模的多租戶Presto環(huán)境，此新功能通過自助管理顯著降低了管理開銷。
“在存儲與ML計算分離的情況下，數(shù)據(jù)平臺團(tuán)隊利用Alluxio來簡化數(shù)據(jù)預(yù)處理和加載階段，”Alluxio高級產(chǎn)品經(jīng)理AditMadan表示，“這種簡化使得SparkML、Tensorflow和PyTorch等框架能最大限度地利用GPU。Alluxio解決方案可在AWS、GCP和AzureCloud等多個云平臺上使用，現(xiàn)在也可在私有數(shù)據(jù)中心或公有云中的Kubernetes上使用。”
日前，Alluxio宣布完成5000萬美元C輪融資，該輪融資由新投資方高瓴創(chuàng)投領(lǐng)投，戰(zhàn)略投資方和原股東a16z,SevenSeasPartners，火山石投資跟投。與此同時，Alluxio宣布將大力拓展國內(nèi)市場業(yè)務(wù)，將北京設(shè)立為中國區(qū)總部，并成立本地化的研發(fā)團(tuán)隊，以快速響應(yīng)并滿足眾多國內(nèi)企業(yè)的個性化需求。
（免責(zé)聲明：本網(wǎng)站內(nèi)容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準(zhǔn)確性及可靠性，但不保證有關(guān)資料的準(zhǔn)確性及可靠性，讀者在使用前請進(jìn)一步核實，并對任何自主決定的行為負(fù)責(zé)。本網(wǎng)站對有關(guān)資料所引致的錯誤、不確或遺漏，概不負(fù)任何法律責(zé)任。
任何單位或個人認(rèn)為本網(wǎng)站中的網(wǎng)頁或鏈接內(nèi)容可能涉嫌侵犯其知識產(chǎn)權(quán)或存在不實內(nèi)容時，應(yīng)及時向本網(wǎng)站提出書面權(quán)利通知或不實情況說明，并提供身份證明、權(quán)屬證明及詳細(xì)侵權(quán)或不實情況證明。本網(wǎng)站在收到上述法律文件后，將會依法盡快聯(lián)系相關(guān)文章源頭核實，溝通刪除相關(guān)內(nèi)容或斷開相關(guān)鏈接。 ）
