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。
如图1所示,AI DataLake提供了两种计算资源池:
- 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。
| 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。
| 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 |
