更新时间:2026-05-14 GMT+08:00
分享

产品规格

本节操作介绍计算资源和存储资源的产品规格。

  • 计算资源:

    使用AI DataLake时您需要购买计算资源池用于数据分析和计算使用。

    图1所示,AI DataLake提供了两种计算资源池:

    • 弹性资源:无需提前购买。
    • 预留资源池:需提前购买实例资源,并根据业务负载特点选择合适的实例资源组合使用。

      在购买预留资源池时,AI DataLake提供了三种实例类型:CPU、GPU、NPU,不同类型可以提供不同的算力资源。

      图1 AI DataLake选配实例规格的场景
  • 存储资源

    AI DataLake提供的临时存储主要用于作业过程中的临时下盘、临时缓存等用途而提供的存储资源,包括持久化数据、中间结果或模型文件等。当计算任务需要访问或生成大量数据,且这些数据无法完全由计算节点本地存储或共享存储系统承载时,就需要增加计算资源组外的存储资源。

    当计算任务涉及大规模数据、需要数据共享、长期存储、跨环境访问或希望实现存储与计算解耦时,就需要增加计算资源组外的存储资源。本节操作介绍存储资源规格

约束与限制

AI DataLake服务公测期间,以控制台在售的具体规格为准。

CPU资源规格

CPU资源提供了通用计算增强型、通用计算标准型、通用计算内存增强型三种选择。

  • 通用计算增强型:

    该规格下,vCPU与内存的比例为1:2,适合于CPU密集型作业,例如实时流作业处理等。

  • 通用计算标准型:

    该规格下,vCPU与内存的比例为1:4,适合于大多数作业类型。

  • 通用计算内存增强型:

    该规格下,vCPU与内存的比例为1:8,适合于内存密集型作业,例如离线批处理作业等。

表1 CPU实例资源规格

规格名称

架构

vCPUs

内存

通用计算增强型(1:2)

X86

1

2GB

通用计算标准型(1:4)

X86

1

4GB

通用计算内存增强型(1:8)

X86

1

8GB

GPU资源规格

GPU实例适用于图形渲染和大规模并行计算场景,适合深度学习训练和科学计算。GPU拥有成百上千个计算核心,可以同时处理大量简单计算任务。

  • GPU资源的特点:支持并行计算,适用于批处理作业场景,数千个核心同时计算,处理效率高。天然适合深度学习、神经网络、AI计算场景。
  • GPU资源的适用场景:深度学习,例如神经网络训练、模型调优场景;图形处理场景,例如图像识别、目标检测;视频处理场景,例如视频分析、转码、视频渲染场景,等其他AI科学计算场景。

NPU资源规格

NPU适用于AI计算场景,NPU资源采用架构优化和指令集,专门加速AI推理任务。

  • NPU资源的特点:AI计算场景专用,具备高性能、低延迟、推理成本更优的特点。
  • NPU资源的适用场景:AI计算场景、图像识别场景,推荐系统等AI计算设计场景。是当前人工智能训练与推理的重要基础设施。

存储资源规格

临时存储主要用于作业过程中的临时下盘、临时缓存等用途而提供的存储资源。

临时存储并不是持久化存储,在资源池释放时会同步删除,所以请勿在其上保留需要持久化存储的数据。

临时存储底层通过SFS Turbo HPC型实现,它是一种高性能、弹性扩展、支持共享访问的云文件存储服务,适合多种需要统一文件系统的业务场景。它的访问带宽会随不同规格及购买的容量而浮动,详情请参见:SFS Turbo文件系统类型

表2 FUSE临时存储资源规格

AI DataLake 规格名称

容量可选范围

aidatalake.storage.fuse.20MBps

3.6 TB-1 PB

aidatalake.storage.fuse.40MBps

1.2 TiB-1 PiB

aidatalake.storage.fuse.125MBps

1.2 TiB-1 PiB

aidatalake.storage.fuse.250MBps

1.2 TiB-1 PiB

aidatalake.storage.fuse.500MBps

1.2 TiB-1 PiB

aidatalake.storage.fuse.1000MBps

1.2 TiB-1 PiB

相关文档