4月8日消息，騰訊云宣布云存儲解決方案面向AIGC場景全面升級，能夠針對AI大模型數據采集清洗、訓練、推理、數據治理全流程提供全面、高效的云存儲支持。
據介紹，騰訊云AIGC云存儲解決方案主要由對象存儲COS、高性能并行文件存儲CFS Turbo、數據加速器GooseFS和數據萬象CI等產品組成，是國內首個實現(xiàn)存儲引擎全面自研的云存儲解決方案。目前，已經有80%的頭部大模型企業(yè)選擇了騰訊云AIGC云存儲解決方案，包括百川智能、智譜、元象等明星大模型企業(yè)。
此前，騰訊云已經面向AIGC場景推出了基于星脈網絡的大模型訓練集群HCC、向量數據庫、以及行業(yè)大模型服務MaaS等大模型全鏈路云服務。
解決大模型全鏈路數據處理難題
AI大模型的研發(fā)生產流程，分成數據采集與清洗、模型訓練、推理三大環(huán)節(jié)，各環(huán)節(jié)都涉及海量的數據處理。
在數據采集與清洗環(huán)節(jié)，由于原始訓練數據規(guī)模海量，且來源多樣，對存儲技術提出了多協(xié)議支持、高性能、大帶寬的需求。
騰訊云對象存儲COS支持單集群管理百 EB 級別存儲規(guī)模，提供便捷、高效的數據公網接入能力，并支持多種協(xié)議，充分支持大模型PB級別的海量數據采集。在數據清洗環(huán)節(jié)，大數據引擎需要快速地讀取并過濾出有效數據，COS通過自研數據加速器GooseFS提升數據訪問性能，可實現(xiàn)高達數TBps的讀取帶寬，支撐計算高速運行，大大提升數據清洗效率。
在模型訓練環(huán)節(jié)，通常需要每2-4小時保存一次訓練成果，以便能在GPU故障時時能回滾，因此快速地讀寫checkpoint（檢查點）文件也成了能否高效利用算力資源、提高訓練效率的關鍵。
騰訊云自主研發(fā)并行文件存儲CFS Turbo ，面向AIGC訓練場景的進行了專門優(yōu)化，每秒總讀寫吞吐達到TiB/s級別，每秒元數據性能高達百萬OPS，均為業(yè)界第一。3TB checkpoint 寫入時間從10分鐘，縮短至10秒內，使大模型訓練效率大幅提升。
大模型推理場景對數據安全與可追溯性提出更高要求。騰訊云數據萬象CI為此提供圖片隱式水印、AIGC內容審核、智能數據檢索MetaInsight等能力，為數據生產從“用戶輸入——預處理——內容審核——版權保護——安全分發(fā)——信息檢索“業(yè)務全流程提供有力支撐，優(yōu)化AIGC內容生產與管理模式，順應監(jiān)管導向，拓寬存儲邊界。
同時，隨著訓練數據和推理數據的增長，需要提供低成本的存儲能力，減少存儲開銷。對象存儲服務提供了高達 12 個 9 的數據持久性和 99.995% 的數據可用性，能夠為業(yè)務提供持續(xù)可用的存儲服務。
據介紹，騰訊云AIGC云存儲解決方案優(yōu)秀的性能表現(xiàn)，源自騰訊云自主研發(fā)的存儲引擎與自研技術。騰訊云自研的分布式對象存儲引擎YottaStore，支持任意多副本及糾刪碼冗余模式并存，在大幅提升可用性、可靠性及性能的同時大幅降低成本?；赮ottaStore，騰訊云對象存儲服務COS作為統(tǒng)一的數據存儲池，支持單集群1萬臺服務器，單集群百EB級的存儲。
在數據清洗環(huán)節(jié)中，數據加速器GooseFS可根據數據的使用頻率，將數據智能存儲至內存、計算集群的本地盤、或可用區(qū)的全閃存儲集群等不同級別的緩存中，低成本縮短IO路徑，提升數據訪問性能。相比起從對象存儲COS中直接讀取，GooseFS可以提供亞毫秒級的數據訪問延遲、百萬級的IOPS和Tbps級別的吞吐能力，有效提升數據清洗效率。
面向模型訓練場景的CFS Turbo，則是目前業(yè)內唯一自研的并行文件存儲系統(tǒng)。
基于自研分布式高性能存儲引擎Histor，CFS Turbo底層通過自研用戶態(tài)協(xié)議棧和RDMA等技術，減少數據的多次拷貝與虛擬化消耗，大幅降低了存儲時延、提升吞吐性能；在應用側，CFS Turbo自研并行文件傳輸協(xié)議，實現(xiàn)了多鏈路并行訪問，大大提升了吞吐效率。原來的文件存儲受限于傳統(tǒng)NFS協(xié)議，單客戶端只能單鏈路訪問，也導致吞吐存在性能瓶頸。
此外，針對AIGC的checkpoint記錄、大視頻文件讀寫、小圖片讀寫等場景，騰訊云CFS Turbo還自研了分級緩存、自適應條帶化、分布式元數據的技術，大幅提升了AIGC場景下的讀寫性能。除了大模型企業(yè)以外，CFS Turbo也被廣泛應用于自動駕駛與工業(yè)仿真場景，包括博世汽車、蔚來等自動駕駛廠商，上海電氣、深勢等仿真場景，墨鏡天合、追光等影視特效場景。（周小白）
（免責聲明：本網站內容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網站出現(xiàn)的信息，均僅供參考。本網站將盡力確保所提供信息的準確性及可靠性，但不保證有關資料的準確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負責。本網站對有關資料所引致的錯誤、不確或遺漏，概不負任何法律責任。
任何單位或個人認為本網站中的網頁或鏈接內容可能涉嫌侵犯其知識產權或存在不實內容時，應及時向本網站提出書面權利通知或不實情況說明，并提供身份證明、權屬證明及詳細侵權或不實情況證明。本網站在收到上述法律文件后，將會依法盡快聯(lián)系相關文章源頭核實，溝通刪除相關內容或斷開相關鏈接。 ）
