במסמך הזה מפורטת סקירה כללית של אזורי AI ל-Cloud Storage. אזורי AI הם אזורים מיוחדים Google Cloud שנועדו לספק קיבולת מחשוב לעומסי עבודה של בינה מלאכותית (AI) ולמידת מכונה (ML). הם מספקים קיבולת משמעותית של מאיץ למידת מכונה (GPU ו-TPU).
אזורי AI מותאמים לעומסי עבודה של AI ו-ML, כמו:
- אימון בקנה מידה גדול
- אימון בקנה מידה קטן, כוונון עדין, הסקת מסקנות בכמות גדולה ואימון מחדש
- הסקת מסקנות בזמן אמת באמצעות למידת מכונה
מידע נוסף על אזורי AI זמין במאמר אזורי AI במאמרי העזרה של Compute Engine.
באזור מסוים, יכול להיות שתחומים מבוססי-AI ממוקמים גיאוגרפית רחוק מתחומים רגילים (לא מבוססי-AI).
אזורי AI תואמים לתכונות אחרות של Cloud Storage ושל Google Cloud.
המלצות לגבי ארכיטקטורת אחסון
מומלץ להשתמש בארכיטקטורת אחסון מדורגת כדי לאזן בין עלות, עמידות וביצועים:
שכבת אחסון לטווח ארוך: שימוש בקטגוריות אזוריות של Cloud Storage באזורים רגילים לאחסון מתמשך ועמיד מאוד (ה'מקור האמת') של מערכי האימון ונקודות הביקורת של המודל.
שכבת הביצועים: שימוש בשירותי אחסון אזוריים ייעודיים כדי לפעול כמטמון מהיר או כשטח אחסון זמני. הגישה הזו מבטלת את זמן האחזור בין אזורים וממקסמת את קצב העברת הנתונים במהלך משימות פעילות.
כדי לבצע אופטימיזציה של ביצועי מערכות AI ו-ML באמצעות אזורי AI, מומלץ להשתמש בפתרונות האחסון הבאים:
| שירות אחסון | תיאור | תרחישים לדוגמה |
|---|---|---|
| התכונה Rapid Cache של Cloud Storage |
מטמון קריאה אזורי שמגובה על ידי SSD ומנוהל במלואו, שמעביר נתונים שנקראים לעיתים קרובות מקטגוריה לאזור ה-AI. יוצרים מופע של Rapid Cache בתחום (zone) AI עבור קטגוריית המקור האזורית שמכילה את מערכי הנתונים או המודלים לאימון שרוצים להכניס לשימוש בסביבת הייצור. כשמשימת האימון קוראת קובץ, הקובץ נטען למטמון המהיר שבתוך האזור. קריאות עוקבות מוצגות ישירות מהמטמון, בלי לעבור דרך הרשת האזורית. האחסון הזה אידיאלי לדפוסי גישה חוזרים לנתונים באימון מודלים ולשירות מודלים עם השהיה נמוכה. |
מומלץ ל:
לא מומלץ ל:
|
שיטות מומלצות
כדאי לפעול לפי השיטות המומלצות הבאות לאחסון כשמשתמשים באזורי AI:
הקצאת שכבת הביצועים באותו אזור AI שבו נמצאים משאבי המחשוב. מיקום משותף של מחשוב ואחסון עוזר לוודא שמעבדי GPU ו-TPU נשארים רוויים לחלוטין, וכך ממקסמים את ה-goodput (התפוקה השימושית).
ב-Rapid Cache, לפני שמתחילים את תקופת האימון הראשונית, צריך לבצע קריאה מראש של מערך הנתונים כדי לאכלס את המטמון שמגובה על ידי SSD, או לחמם אותו.
אזורי AI זמינים
בטבלה הבאה מוצגים אזורי ה-AI והאזורים הגיאוגרפיים הראשיים שלהם Google Cloud.
| אזור גיאוגרפי | אזור הורה | אזור AI |
|---|---|---|
| אירופה | europe-west4 |
europe-west4-ai1a |
| ארצות הברית | us-central1 |
us-central1-ai1a |
| ארצות הברית | us-south1 |
us-south1-ai1b |
לתשומת ליבכם
אפשר לגשת ל Google Cloud מוצרים באזור Google Cloud מסוים מאזור ה-AI של האזור הזה. עם זאת, גישה לשירותים באזור Google Cloudמתחום AI עלולה להוסיף חביון לרשת, כי המיקום של תחום ה-AI עשוי להיות נפרד פיזית מהמיקומים של התחומים הרגילים באזור.
מומלץ להריץ עומסי עבודה שאינם מבוססי-ML באזורים רגילים ולא באזורים של AI, כי אזורים של AI לא מציעים את כל השירותים באופן מקומי. Google Cloud
המאמרים הבאים
- יצירת קטגוריה.
- מידע נוסף על Rapid Cache
- מיקומי הקטגוריות של Cloud Storage
- מידע נוסף על תכנון ארכיטקטורה לעומסי עבודה של AI ו-ML