Rapid Bucket

Questa pagina descrive Rapid Bucket, una funzionalità che consente di archiviare gli oggetti nella classe di archiviazione Rapid Storage impostando una zona come località di un bucket. Questo approccio consente di collocare l'archiviazione dei dati insieme alle risorse di calcolo, il che offre una latenza notevolmente inferiore e un throughput più elevato rispetto ad altre classi di archiviazione in Cloud Storage. Anche i carichi di lavoro in altre zone e regioni possono accedere al bucket, con prestazioni relative alla distanza di rete.

Per creare un bucket a livello di zona utilizzando Rapid Bucket, consulta Creare bucket a livello di zona. Puoi visualizzare l'elenco delle località supportate in Zone. Per leggere e aggiungere dati agli oggetti nei bucket a livello di zona, consulta Utilizzare gli oggetti nei bucket a livello di zona.

Per abilitare Rapid Bucket in un bucket, il bucket deve avere abilitati anche lo spazio dei nomi gerarchico e l'accesso uniforme a livello di bucket.

Funzionalità e vantaggi

Rapid Bucket è progettato per rimuovere i colli di bottiglia dell'archiviazione ed è ideale per le applicazioni con un utilizzo intensivo dei dati, come AI/ML e analisi dei dati. Rapid Bucket supporta una latenza inferiore al millisecondo, fino a 15 TB/s di throughput aggregato e 20 milioni di query al secondo (QPS). La latenza molto bassa consente il recupero istantaneo dei dati e consente alle applicazioni di inferenza in tempo reale di essere eseguite su larga scala. L'enorme throughput e l'elevato QPS consentono di mantenere completamente saturi i costosi cluster GPU, riducendo drasticamente i tempi di addestramento dei modelli.

Oltre a fornire bassa latenza e throughput elevato, i bucket a livello di zona consentono di:

  • Aggiungere dati agli oggetti nel bucket a livello di zona senza eseguire una riscrittura completa dell'oggetto

  • Aprire gli oggetti e mantenere uno stream durante l'esecuzione delle operazioni, consentendo di accelerare le successive operazioni di lettura e scrittura

Casi d'uso

Rapid Bucket è più adatto per i carichi di lavoro AI/ML o altri carichi di lavoro con un utilizzo intensivo dei dati. Alcuni esempi di questi carichi di lavoro sono il checkpointing, la valutazione e la pubblicazione dei modelli, nonché le code di logging e di messaggi. Può essere utilizzato anche per lo streaming di dati o per fornire spazio di archiviazione per i database.

Per sfruttare appieno la bassa latenza e il throughput elevato forniti da Rapid Bucket, assicurati di abilitare la connettività diretta gRPC.

Terminologia di Rapid Bucket

La documentazione di Cloud Storage utilizza i seguenti termini:

  • Rapid Bucket: il prodotto che consente di creare bucket con una località a livello di zona e la classe di archiviazione Rapid Storage.

  • Rapid Storage: la classe di archiviazione che offre le prestazioni più elevate di accesso ai dati e di operazioni di I/O in Cloud Storage. Quando utilizzi Rapid Bucket, crei un bucket che utilizza Rapid Storage. Per ulteriori informazioni su Rapid Storage, consulta Classi di archiviazione.

  • Bucket a livello di zona: un bucket che si trova in una zona. Gli oggetti nei bucket a livello di zona vengono sempre archiviati in Rapid Storage e sono appendable.

Accesso agli oggetti nei bucket a livello di zona

Per usufruire dei vantaggi in termini di prestazioni di un bucket a livello di zona, assicurati di aprire gli oggetti per lo streaming e di mantenere uno stream durante l'esecuzione delle operazioni sugli oggetti. Quando stabilisci e mantieni uno stream, puoi eseguire successive operazioni di lettura o scrittura sull'oggetto con una latenza molto bassa. Ad esempio, quando leggi un file Parquet, puoi eseguire sia la lettura iniziale dei metadati del file (il piè di pagina) sia la successiva lettura di righe specifiche all'interno di una singola richiesta. Questo approccio è più efficiente rispetto all'utilizzo di richieste separate per ogni passaggio.

Una volta stabiliti, gli stream di oggetti vengono mantenuti aperti per impostazione predefinita quando accedi agli oggetti dei bucket a livello di zona utilizzando Cloud Storage FUSE o le librerie client di Cloud Storage.

Puoi aprire più stream di lettura a un oggetto da un numero qualsiasi di host. Non esiste alcuna limitazione al numero di stream di lettura che puoi stabilire per un oggetto.

Aggiungere dati agli oggetti

Puoi aggiungere dati agli oggetti nei bucket a livello di zona. Quando aggiungi dati agli oggetti, si applicano le seguenti semantiche:

  • Gli oggetti appendable vengono visualizzati nello spazio dei nomi del bucket non appena inizi a scriverli e possono essere letti mentre vengono ancora scritti.

  • Non esistono restrizioni sul numero di aggiunte che puoi apportare a un oggetto o sul numero di byte che puoi aggiungere alla volta. Puoi aggiungere dati fino a quando un oggetto raggiunge la sua dimensione massima di 5 TiB.

  • La dimensione di un oggetto aumenterà in tempo reale man mano che le nuove aggiunte vengono scritte o scaricate in modo permanente. Quando stabilisci uno stream di lettura, devi prevedere un ritardo minimo nell'aggiornamento della dimensione dell'oggetto.

  • Gli oggetti appendable possono avere un solo writer alla volta. Se viene stabilito un nuovo stream di scrittura per un oggetto che ne ha già uno esistente, Cloud Storage restituisce un errore allo stream originale e non sarà più consentito scrivere nello stream originale. Il nuovo writer può riprendere l'aggiunta dall'ultimo offset persistente senza altre aggiunte interleaved all'oggetto.

Finalizzare gli oggetti

Dopo che un oggetto è stato finalizzato, non puoi più aggiungere dati, ma puoi comunque sovrascriverlo con una nuova versione. I metadati di un oggetto finalizzato sono ancora modificabili; ad esempio, è possibile aggiungere nuovi tag e rinominare l'oggetto.

Montare i bucket a livello di zona

Puoi montare e accedere ai bucket a livello di zona utilizzando Cloud Storage FUSE o il driver CSI di Cloud Storage FUSE. Assicurati di utilizzare Cloud Storage FUSE versione 3.7.2 o successive. Per utilizzare il driver CSI di Cloud Storage FUSE, la versione di Google Kubernetes Engine deve essere 1.35.0-gke.3047001 o successive.

Strumenti supportati

Puoi utilizzare i bucket a livello di zona utilizzando la maggior parte degli strumenti per Cloud Storage. Tuttavia, si applicano le seguenti limitazioni:

  • Non puoi scrivere nei bucket a livello di zona utilizzando le API delle librerie client standard destinate ai bucket non a livello di zona. Per scrivere nei bucket a livello di zona, devi modificare il codice in modo da utilizzare le API supportate per i bucket a livello di zona. Per scoprire quali API devi utilizzare, consulta gli esempi di codice per la tua libreria client in Utilizzare gli oggetti nei bucket a livello di zona.

  • Quando utilizzi gRPC, puoi scrivere nei bucket a livello di zona solo utilizzando le API BidiWriteObject. Gli oggetti appendable sono supportati solo dalla chiamata RPC BidiWriteObject in modalità appendable. Altri metodi di scrittura gRPC (come le scritture one-shot o ripristinabili) e altre chiamate RPC (come WriteObject) non supportano gli oggetti appendable.

  • Non puoi scrivere nei bucket a livello di zona utilizzando l'API JSON.

  • Rapid Bucket è supportato dalle versioni 2026.3.0 e successive della libreria Python GCSFS.

  • Limitazioni di Google Cloud CLI:

    • Versione minima supportata di Google Cloud CLI: la versione minima di gcloud CLI che supporta i bucket a livello di zona è la 553.0.0. Le versioni precedenti non sono compatibili con i bucket a livello di zona. Ti consigliamo di utilizzare la versione più recente di gcloud CLI per usufruire delle funzionalità e delle correzioni di bug più recenti. I download di oggetti suddivisi e le ottimizzazioni delle prestazioni per i bucket a livello di zona richiedono gcloud CLI versione 583.0.0 o successive. Per ulteriori informazioni, consulta Ottimizzare le prestazioni di gcloud CLI per i bucket a livello di zona.

    • Visibilità dei caricamenti incompleti: a differenza dei bucket in altre classi di archiviazione, in cui gli oggetti vengono visualizzati nello spazio dei nomi solo al termine di un caricamento, gli oggetti caricati parzialmente nei bucket a livello di zona sono immediatamente visibili. Se un comando di caricamento di Google Cloud CLI non riesce o viene interrotto, potresti visualizzare oggetti incompleti nel bucket. Puoi comunque riprendere questi caricamenti eseguendo di nuovo il comando.

    • Sovrascrittura degli oggetti: il comportamento standard di Google Cloud CLI si applica ai bucket a livello di zona: quando sovrascrivi un oggetto, se nella destinazione esiste un file o un oggetto con lo stesso nome, i comandi Google Cloud CLI cp, mv, e rsync lo sovrascrivono per impostazione predefinita. Per evitare sovrascritture, utilizza il flag --no-clobber. Quando utilizzi Google Cloud CLI, l'aggiunta di dati a un oggetto esistente non è supportata; è necessario ricaricare l'intera origine.

    • Finalizzazione degli oggetti: gli oggetti caricati in un bucket a livello di zona utilizzando Google Cloud CLI potrebbero occasionalmente subire un breve ritardo prima che i metadati dell'oggetto vengano sincronizzati completamente. Poiché Cloud Storage utilizza un modello di coerenza finale, il tentativo di scaricare un oggetto immediatamente dopo il caricamento può generare un errore di mancata corrispondenza dell'hash se i metadati non sono ancora stati aggiornati.

      Se un download non riesce con un errore di mancata corrispondenza dell'hash poco dopo un caricamento, riprova a eseguire il comando. I download riescono completamente o non riescono in modo esplicito; i download parziali o danneggiati non si verificano in modo silenzioso.

  • Prestazioni della convalida del checksum: i bucket a livello di zona si basano esclusivamente su CRC32C per la convalida dei dati, consentendo al sistema di eseguire il checksum per ogni blocco e per l'intero caricamento o download. Per impostazione predefinita, Google Cloud CLI utilizza la libreria Python google-crc32c, preinstallata con Google Cloud CLI. Tuttavia, se utilizzi un'installazione Python non in bundle, devi installare esplicitamente la libreria google-crc32c da PyPI. In caso contrario, Google Cloud CLI esegue il fallback al binario gcloud-crc32c, che potrebbe comportare prestazioni più lente per il calcolo CRC per blocco.

Incompatibilità

I bucket a livello di zona non sono compatibili con i seguenti prodotti e servizi:

  • Caricamento e gestione dei dati

    • Rapid Cache

    • Autoclass

    • Blocco bucket

    • Oggetti compositi

    • Caricamenti multiparte XML

    • Blocchi degli oggetti

    • L'azione SetStorageClass di Gestione del ciclo di vita degli oggetti

    • Blocco della conservazione degli oggetti

    • Spostamento dei bucket

    • Caricamenti ripristinabili

    • Riscrittura degli oggetti

    • Pagamenti a carico del richiedente

  • Metadati

    • Gli oggetti nei bucket a livello di zona non hanno un hash MD5.

    • Le proprietà dei metadati associate a funzionalità e prodotti non supportati non vengono visualizzate nella rappresentazione delle risorse di un bucket a livello di zona o di un oggetto appendable oppure non sono scrivibili. Ad esempio:

      • Le proprietà dei metadati softDeleteTime e hardDeleteTime non vengono visualizzate nella rappresentazione delle risorse della risorsa Objects perché l'eliminazione temporanea non è supportata per gli oggetti nei bucket a livello di zona.

      • I metadati storageClass degli oggetti nei bucket a livello di zona hanno sempre il valore RAPID e non possono essere riscritti perché i bucket a livello di zona devono sempre utilizzare la classe di archiviazione Rapid Storage.

  • Controllo degli accessi

    • Elenchi di controllo dell'accesso (ACL) a livello di oggetto

    • Configurazioni CORS

    • Chiavi di crittografia fornite dal cliente (CSEK)

    • Chiavi HMAC

  • Protezione dei dati e ripristino di emergenza

    • Controllo delle versioni degli oggetti

    • Eliminazione temporanea

    • Replica tra bucket

  • Altri Google Cloud servizi

    • BigQuery

Quote

Ogni zona per progetto ha una quota di capacità di archiviazione predefinita. Ogni zona per progetto ha anche una quota di esportazione predefinita da Cloud Storage a Google servizi. Per visualizzare queste quote, consulta Quote e limiti.

Per scoprire come monitorare l'utilizzo dei dati in uscita e richiedere una maggiore larghezza di banda, consulta Monitoraggio dell'utilizzo della larghezza di banda.

Prezzi

L'utilizzo di Rapid Bucket comporta costi per l'archiviazione dei dati, le operazioni e la rete. Per ulteriori informazioni, vedi Prezzi.

Best practice

Per ottimizzare le prestazioni e l'utilizzo delle risorse quando utilizzi i bucket a livello di zona, tieni a mente le seguenti best practice:

  • Ottimizzare le letture degli oggetti: quando leggi gli oggetti dai bucket a livello di zona utilizzando gcloud CLI, l'interfaccia a riga di comando applica automaticamente le configurazioni predefinite di concorrenza e suddivisione. Per ottimizzare ulteriormente queste impostazioni per un carico di lavoro specifico, consulta Ottimizzare le prestazioni di gcloud CLI per i bucket a livello di zona.

  • Handle dei file di Cloud Storage FUSE: per ottimizzare le prestazioni quando utilizzi i bucket a livello di zona con Cloud Storage FUSE, mantieni un handle di file aperto per gli oggetti nel bucket a livello di zona montato e utilizzalo per più operazioni. Questa pratica migliora le prestazioni perché Cloud Storage FUSE evita round trip di rete non necessari per le letture ripetute.

Passaggi successivi