4 Par Candida Valois, Field CTO, Amériques, Scality Les solutions de stockage traditionnelles ne suffiront pas pour les workloads actuels d’intelligence artificielle et de machine learning (IA/ML). Alors que les technologies d’IA/ML continuent de gagner du terrain, un nouveau modèle s’impose. Le problème est le suivant : l’IA et le ML exigent d’immenses volumes de données non structurées, dont des images, des vidéos, de la voix et du texte. Pour dégager des insights utiles et exploitables, les applications ont besoin d’un accès plus rapide à des quantités massives de données, créées partout : dans le cloud, en périphérie et sur site. Pour ces workloads intensifs, une évolutivité linéaire, une faible latence et la capacité à prendre en charge des payloads de types et de tailles variés sont indispensables. Les entreprises ont besoin d’une nouvelle approche de la mise à disposition des données, centrée sur les applications plutôt que sur l’emplacement ou la technologie. Avec l’adoption généralisée de l’IA/ML et de l’analytique, les responsables IT doivent changer en profondeur leur façon d’aborder la gestion et le stockage des données. Gérer des workloads mixtes Pour l’IA et le machine learning, il vous faut une solution de stockage capable de gérer différents types de workloads, avec des petits comme des gros fichiers. Dans certains cas, vous ne traiterez que quelques dizaines de téraoctets. Dans d’autres, il s’agira de nombreux pétaoctets. Toutes les solutions ne sont pas conçues pour les très gros fichiers, de même que toutes ne savent pas gérer les très petits. L’essentiel est d’en trouver une capable de gérer les deux avec souplesse. L’évolutivité est cruciale Les organisations qui veulent croître en capacité et en performance sont souvent freinées par des solutions de stockage traditionnelles qui ne permettent pas une montée en performance linéaire. Les algorithmes d’IA/ML ont besoin d’énormes jeux de données pour entraîner correctement les modèles sous-jacents et garantir précision et rapidité : cette capacité est donc cruciale. Les workloads d’IA/ML nécessitent une solution de stockage capable d’évoluer à l’infini à mesure que les données augmentent. C’est là que le stockage objet excelle. C’est le seul type de stockage capable d’évoluer sans limite, de manière transparente et élastique, jusqu’à des dizaines de pétaoctets et au-delà, au sein d’un namespace global unique. À l’inverse, les solutions traditionnelles de stockage fichier et bloc ne peuvent pas dépasser quelques centaines de téraoctets. Et ce qui distingue le stockage objet du stockage traditionnel, c’est qu’il stocke les objets dans un espace d’adressage entièrement plat, sans aucune limite. Les utilisateurs ne rencontrent pas la hiérarchie (ni les limites de capacité) d’un système de fichiers traditionnel. Répondre aux enjeux de performance Faire évoluer la capacité est important, mais ne suffit pas. Il faut aussi faire évoluer la performance de manière linéaire. Avec de nombreuses solutions de stockage traditionnelles, l’augmentation de la capacité se fait au détriment de la performance. Ainsi, lorsqu’une organisation doit faire évoluer sa capacité de façon linéaire, la performance tend à stagner, voire à baisser. Dans le modèle de stockage classique, les fichiers sont organisés de manière hiérarchique, en répertoires et sous-répertoires. Cette architecture fonctionne très bien pour de petits volumes de données, mais à mesure que la capacité augmente, la performance se dégrade au-delà d’un certain seuil en raison des goulots d’étranglement du système et des limites des tables de recherche de fichiers. Le stockage objet, en revanche, fonctionne de manière très différente. Il offre un namespace plat illimité : en ajoutant simplement des nœuds, vous pouvez évoluer jusqu’aux pétaoctets et au-delà. C’est pourquoi vous pouvez faire évoluer la performance en même temps que la capacité. Une solution de stockage adaptée à notre époque Lorsqu’une organisation adopte l’intelligence artificielle et le machine learning, elle a besoin d’un stockage capable de gérer des volumes massifs de données pour mener et faire évoluer ces initiatives. Le logiciel de stockage objet de niveau entreprise de Scality est conçu précisément pour répondre à ces exigences. Les organisations peuvent démarrer leurs projets à petite échelle, sur un seul serveur, puis faire évoluer facilement la capacité et la performance selon leurs besoins. Un stockage objet rapide apporte aussi aux applications analytiques la performance essentielle dont ces initiatives ont besoin. Le stockage objet offre aussi la flexibilité nécessaire de la périphérie au cœur du réseau, ainsi qu’une gestion complète du cycle de vie des données sur plusieurs clouds. Cette approche permet aux applications d’accéder facilement aux données sur site, et même dans plusieurs clouds, pour un traitement efficace des données. Un stockage objet rapide offre les fonctionnalités dont les entreprises ont besoin : faible latence, évolutivité linéaire et capacité à prendre en charge des payloads de types et de tailles variés.
