对速度的需求：用于高效 AI 数据管理的 ADC
快速阅读: 据《The Register》最新报道，随着AI数据量激增，传统存储面临挑战。F5与MinIO等合作，提供高性能负载均衡和高吞吐量解决方案，优化AI数据流，支持大规模数据管理，助力AI模型训练和分析。
人工智能数据的指数级增长导致存储环境日益复杂，数据必须被安全地存储、保留和维护。传统的存储方法正在升级以应对海量数据的涌入情况。这一改进的关键之一在于负载均衡和智能流量管理，形式为应用交付控制器（应用交付控制器），其中数据即为应用程序。
面对这一挑战以及客户端应用程序的新需求，组织正从传统存储转向可扩展的基于云的对象存储解决方案（通常为S3协议），以寻求高性能、安全且可扩展的人工智能数据管理。基于云的对象存储是一种可靠、高效且经济的方式来存储、归档、备份和管理大量静态或非结构化数据。
此外，组织正在将工作负载转移到构建人工智能就绪的基础架构中，使数据更接近计划利用的人工智能模型。这种数据迁移会形成复杂的流量模式和需求，涉及本地、混合和云基础设施的应用交付。在许多情况下，数据不断在这些分散的位置之间移动。
为了支持人工智能和根深蒂固的混合IT模型，组织必须创建一个能够在任何环境中支持交付需求的应用交付平台。依赖人工智能进行业务和运营功能数据分析的组织需要高效的、可扩展的、高速的数据访问解决方案。应用交付控制器（ADC）必须能够在任何部署应用程序的地方进行部署。一个关键解决方案是结合全球服务器负载均衡（全局服务器负载均衡）、负载均衡（负载均衡）和数据或应用程序交付的ADC平台。
此外，组织正在将工作负载转移到构建人工智能就绪的基础架构中，使数据更接近计划利用的人工智能模型。这种数据迁移会形成复杂的流量模式和需求，涉及本地、混合和云基础设施的应用交付。在许多情况下，数据不断在这些分散的位置之间移动。
负载均衡器利用众多的访问控制列表（ACL）、规则和拓扑信息来指导用户访问正确的存储位置。负载均衡器通过在服务器集群之间分配网络或应用程序流量来提高响应速度并增加应用程序的可用性。
对象存储的一个关键优势是在分布式数据中心内轻松复制数据以进行异地备份，甚至跨地理区域。负载均衡确保即使磁盘或集群节点发生故障，存储系统仍能平稳运行。负载均衡器允许存储供应商将数据分布和存储在多个位置，以便在故障转移时使用。
在存储节点和集群之间、不同的生态系统以及客户端应用程序之间进行端到端的工作流负载均衡，有助于推动对象存储系统的可扩展性，并在人工智能数据管理中保持平滑的数据访问和分析。
对象存储的一个关键优势是在分布式数据中心内轻松复制数据以进行异地备份，甚至跨地理区域。负载均衡确保即使磁盘或集群节点发生故障，存储系统仍能平稳运行。负载均衡器允许存储供应商将数据分布和存储在多个位置，以便在故障转移时使用。
ADC提供了一个战略性的控制点，通过该点流量流动，使企业能够优化、保护和扩展人工智能应用程序。通过单一界面和API，组织无需创建孤岛团队来处理应用程序交付和安全性。
人工智能对存储和处理能力的需求对数据可用性提出了重大要求，无论是机器学习算法还是实时分析。
在对象存储基础架构中添加负载均衡器，并在同一环境中与应用程序资源同时运行。增强数据管理应用程序的工作流可以提供可靠的分析、机器学习（ML）和人工智能运行时。
人工智能对存储和处理能力的需求对数据可用性提出了重大要求，无论是机器学习算法还是实时分析。
根据预先设定的指标，GSLB可以将用户路由到最近的可用服务器。无论是在物理环境、虚拟环境还是云环境中，这都可以通过将流量引导至其他位置托管的服务器来提高可靠性和故障转移能力。如果主服务器出现故障或受到损害，内容将从靠近请求用户的服务器提供，以减少网络延迟和网络问题的可能性。可用性服务覆盖数据中心和云托管的应用程序。
负载均衡器利用众多的访问控制列表（ACL）、规则和拓扑信息来指导用户访问正确的存储位置。对于多站点部署，GSLB的拓扑功能可用于匹配源子网到位置，帮助用户在其本地访问资源，除非发生故障转移。
优化人工智能数据工作流的需求
F5 BIG-IP、F5分布式云服务和F5 NGINX提供了必要的安全性、网络连接性、部署灵活性和流量管理，以连接、保护和管理边缘或F5全球网络中的云AI/ML应用程序和工作负载。
F5 BIG-IP 提供了可扩展的高性能流量负载均衡功能，其第4层/第7层吞吐量在32块F5 VELOS刀片上超过3 Tbps。这些能力通过优化数据流、强化安全保障和无缝混合及多云网络支持现代AI部署和大规模数据基础设施中的工作负载。
F5 BIG-IP、F5分布式云服务和F5 NGINX提供了必要的安全性、网络连接性、部署灵活性和流量管理，以连接、保护和管理边缘或F5全球网络中的云AI/ML应用程序和工作负载。
为了增强AI工作负载，特别是在exascale级别，F5 已将高性能Kubernetes原生对象存储解决方案MinIO与其安全多云网络和高吞吐量管理专业知识相结合。
F5 BIG-IP、F5分布式云服务和F5 NGINX提供了必要的安全性、网络连接性、部署灵活性和流量管理，以连接、保护和管理边缘或F5全球网络中的云AI/ML应用程序和工作负载。
S3兼容性意味着与AI生态系统的工具和服务无缝集成，实现流畅的数据流和互操作性。在公共、私有和混合云环境中一致运行的能力优化了性能和资源利用率，无论底层基础设施为何。由于其在大型数据场景中的可扩展性和性能优势，S3兼容存储在AI应用程序中非常受欢迎。
F5与MinIO的合作旨在提供支持AI模型训练和AI工厂工作负载微调所需的高性能负载均衡和高吞吐量。位于MinIO S3兼容存储和AI对象存储之前的F5 BIG-IP解决方案可扩展带宽至数百吉比特每秒，用于数据密集型操作。它优化了AI的数据流，并实现了存储和处理大容量数据集所需的可扩展性，这些数据集用于高级分析和AI应用程序。
MinIO与F5共同实现数据在分布式基础设施中的安全存储与管理。数据可以靠近使用、处理和分析数据的计算资源，以获得最佳性能。F5分布式云客户边缘部署于多个MinIO位置，为实现无缝数据移动并打破数据孤岛奠定基础。
F5与MinIO的合作旨在提供支持AI模型训练和AI工厂工作负载微调所需的高性能负载均衡和高吞吐量。位于MinIO S3兼容存储和AI对象存储之前的F5 BIG-IP解决方案可扩展带宽至数百吉比特每秒，用于数据密集型操作。它优化了AI的数据流，并实现了存储和处理大容量数据集所需的可扩展性，这些数据集用于高级分析和AI应用程序。
支持exascale AI数据管理
例如，一家全球制造公司使用F5的安全流量管理，实时高效地收集、传输和保护数据，直接从边缘到中央数据湖。F5分布式云网格和全球流量管理促进了从边缘到基于MinIO的中央数据湖的安全高效数据摄取，用于AI模型训练、商业智能和数据分析。
如此大规模的数据收集和管理对于越来越多依赖AI建模和传感器、摄像头及其他遥测系统生成的海量数据的行业至关重要，以促进自主能力的发展。
在数据管理快速发展的环境中，ADC已成为管理大量非结构化数据的基石。
F5与创新存储解决方案（如MinIO和NetApp StorageGRID）的合作关系以及与NVIDIA在AI基础设施优化方面的合作彰显了其推动数据管理边界的能力。随着数据量和重要性的增加，F5致力于解决当前的数据管理挑战并支持未来的AI和多云环境。
随着各行业大规模采用AI，F5持续提供优化工作流、保障数据完整性并充分释放现代应用程序在不断演进的数字环境中潜力的工具。
F5与创新存储解决方案（如MinIO和NetApp StorageGRID）的合作关系以及与NVIDIA在AI基础设施优化方面的合作彰显了其推动数据管理边界的能力。随着数据量和重要性的增加，F5致力于解决当前的数据管理挑战并支持未来的AI和多云环境。
点击此处阅读F5撰写的博客《人工智能时代的新型ADC》。
由F5供稿。
(以上内容均由Ai生成)
