Hammerspace通过三种方式提升AI数据访问性能

Hammerspace已经通过更快更可扩展的元数据读取功能以及在GPU服务器直连存储驱动器中的更优数据放置策略，加速了其数据编排平台软件的性能表现。

该公司还新增了对Oracle公有云OCI的支持，并添加了更细粒度的访问控制功能，以防止不当的数据泄露。Hammerspace的数据平台软件产品（从之前的全球数据环境更名而来）将文件和对象存储系统中的数据整合到一个全局命名空间中，并在存储设备和介质之间进行数据分层，以优化成本和访问速度。该平台使用pNFS协议并支持英伟达的GPU Direct技术，能够向英伟达GPU服务器高速传输数据。

Hammerspace全球营销高级副总裁Molly Presley表示："人工智能正在根本性地改变组织与其数据的交互方式。曾经相互独立的工作负载现在已经深度互联，数据平台必须跟上这一步伐。v5.2版本的改进加强了我们统一和加速AI、高性能计算和企业环境数据的能力，而无需客户重建存储孤岛或重新设计其基础架构。这标志着在各处实现真正AI就绪数据的又一重要步骤。"

Hammerspace表示，其v5.2数据平台软件的IO500总体得分比五个月前发布的上一版本结果提高了33.7%，总带宽翻倍，各项子测试均显示出显著改进——其中IOR-Hard-Read测试提升超过800%。IOR（交错或随机I/O）测试以带宽为评分标准，执行来自多个MPI（消息传递接口）进程的单个共享文件的小型、未对齐和交错读取（通常为47KB传输）。这模拟了竞争激烈、元数据密集的工作负载，例如涉及Lustre、GPFS/Spectrum Scale或NFS等分布式文件系统中锁竞争的情况。这与缓存不同。

该公司表示，这种加速是通过其向标准Linux内核贡献的客户端NFS性能增强软件实现的。公司确保其数据平台软件使用这些新的Linux内核特性。这意味着，通过Hammerspace软件访问存储数据时，它所编排的所有文件和对象存储系统都能受益于这种加速。

该公司还在其Tier 0软件中添加了Tier 0亲和性功能；这是一种在GPU计算集群内对读写操作具有位置感知智能的功能。这包括将GPU服务器的本地和直连存储纳入Hammerspace命名空间。Hammerspace表示，GPU服务器访问这些驱动器中的数据，甚至比访问GPU Direct加速的外部存储系统中的数据更快。

Tier 0亲和性确保数据传输到集群中请求GPU服务器的本地驱动器，而不是任何GPU服务器的本地驱动器。这减少了集群内的东西向网络流量。该功能是自动的、透明的，并且默认启用。

Hammerspace表示："当计算节点可以使用自己的本地Tier 0卷进行I/O操作，而不是跨网络读写其他节点的NVMe时，Tier 0能够提供最佳性能。为了实现这一点，Anvil[Hammerspace软件组件]需要识别请求布局的pNFS客户端是否也托管着Tier 0存储卷，然后在布局中优先放置该本地卷。"

第三个性能提升功能消除了元数据扩展限制。其共享引用机制将命名空间分布在尽可能多的元数据服务器上，以适应极端的文件数量。Hammerspace表示，该功能"确保线性可扩展性，使性能和响应能力即使在AI和高性能计算环境的数据资产爆炸性增长时也保持稳定"。

意外数据泄露正通过添加Kerberos身份验证和标签NFS支持来控制。这使得SELinux和其他强制访问控制（MAC）系统能够在NFS上传输和执行安全标签，提供一致的、细粒度的数据访问控制。这应该会让受监管行业、政府和私人研究领域的客户满意。

Hammerspace已经支持其软件在AWS、Azure和Google云中运行，提供混合的、数据编排的本地到公有云环境。现在它正在添加对Oracle云基础架构（OCI）的支持。该公司表示将支持新的形状——OCI对服务器或虚拟机实例配置的术语——包括裸机。它将添加对专用OCI区域的支持，以帮助满足数据主权要求。

Hammerspace v5.2数据平台软件将于12月正式发布。

Q&A

Q1：什么是Hammerspace数据平台软件？它有什么主要功能？

A：Hammerspace数据平台软件是一个数据编排解决方案，将文件和对象存储系统中的数据整合到全局命名空间中，并在存储设备和介质之间进行数据分层以优化成本和访问速度。它使用pNFS协议并支持英伟达的GPU Direct技术。

Q2：Hammerspace v5.2版本在性能方面有哪些提升？

A：v5.2版本的IO500总体得分比上一版本提高了33.7%，总带宽翻倍，其中IOR-Hard-Read测试提升超过800%。这些提升主要通过客户端NFS性能增强软件、Tier 0亲和性功能和共享引用机制实现。

Q3：Tier 0亲和性功能是如何工作的？

A：Tier 0亲和性确保数据传输到请求GPU服务器的本地驱动器，而不是集群中任何GPU服务器的本地驱动器。这减少了集群内的东西向网络流量，提供最佳性能。该功能是自动的、透明的，并且默认启用。