Parallelstore

הגישה ל-Parallelstore היא בהזמנה בלבד. אם אתם רוצים לבקש גישה ל-Parallelstore בפרויקט שלכם, אתם יכולים לפנות לנציג המכירות שלכם. Google Cloud

‫Parallelstore הוא מערכת קבצים מבוזרת ומנוהלת עם השהיה נמוכה, שנועדה לעמוד בדרישות של מחשוב עתיר ביצועים (HPC) ושל אפליקציות עתירות נתונים.

‫Parallelstore הוא פתרון אידיאלי לתרחישי שימוש שבהם כמה לקוחות צריכים גישה בו-זמנית לקבצים משותפים עם תקינות נתונים.

‫Parallelstore תומך בתקן POSIX, ולכן הוא תואם למגוון רחב של אפליקציות וכלים קיימים, ומפשט את ההעברה והשילוב.

אפשר לצרף מכונות וירטואליות של Compute Engine או אשכולות של Google Kubernetes Engine למכונות Parallelstore. מנהל ההתקן של Parallelstore CSI מאפשר ללקוחות להשתמש בממשקי Kubernetes API כדי לגשת למערכת הקבצים כנפחי אחסון עבור עומסי העבודה עם שמירת מצב.

העברות נתונים באצווה אל Cloud Storage וממנו זמינות משורת הפקודה ומ-API בארכיטקטורת REST.

מפרטים

  • ‫Parallelstore היא מערכת קבצים זמנית: היא מגובה על ידי SSD מקומי עם קידוד מחיקה של 2+1, עם זמן ממוצע עד לאובדן נתונים (MTTDL) של חודשיים עד 16 חודשים, בהתאם לקיבולת המופע. פרטים נוספים מופיעים בטבלת הביצועים.

  • אפשר להגדיר את הקיבולת שניתן להשתמש בה מ-12TiB עד 100TiB.

  • השירות נתמך באזורים רבים.

ביצועים

בטבלה הבאה מוצגים נתוני הביצועים הצפויים מ-Parallelstore.

מדד תוצאה
תפוקת כתיבה ‫0.5‎ GiBps per TiB
קריאת נתוני התפוקה ‫‎1.15 GiBps per TiB
קריאת IOPS ‫30,000 פעולות קלט/פלט בשנייה לכל TiB
IOPS של כתיבה ‫10,000 פעולות קלט/פלט (IOPs) לכל ‎TiB
זמן האחזור של קריאת 4K ‫0.3 אלפיות השנייה
מספר תהליכי הלקוח הנתמכים 4000
מהירות העברה (Parallelstore <> Cloud Storage) קצב העברה מקסימלי של 20GiBps או 5,000 קבצים לשנייה
זמן ממוצע עד לאובדן נתונים (MTTDL) קיבולת של ‎100 TiB: ‏ חודשיים
קיבולת של ‎48 TiB: ‏ 4 חודשים
קיבולת של ‎12 TiB: ‏ 16 חודשים

המספרים האלה נמדדים באמצעות 256 חיבורי לקוח למופע יחיד. זמן האחזור נמדד מלקוח יחיד. ההגדרות של חלוקת הספרייה והקבצים עוברות אופטימיזציה לכל מדד.

תרחישים לדוגמה

  • מחשוב עתיר ביצועים (HPC): Parallelstore מצטיין בסביבות HPC שבהן מספר צמתי מחשוב צריכים גישה מהירה ועקבית לנתונים משותפים לצורך סימולציות, מידול וניתוח.

  • למידת מכונה: Parallelstore יכול לטפל בקבוצות נתונים גדולות ובדרישות של נפח נתונים גבוה של עומסי עבודה של למידת מכונה, וכך לאפשר אימון והסקת מסקנות יעילים.

תמחור

פרטים נוספים מופיעים בדף תמחור.