
简介
该用户还未填写简介
擅长的技术栈
可提供的服务
暂无可提供的服务
随着计算、存储以及网络等技术的不断发展,数据存储方式开始不断变化。对于需要大量数据的业务应用来说,服务器内置存储空间,或者说内置磁盘已不足以满足存储需要。因此,在内置存储之外,服务器需要采用外置存储的方式来扩展存储空间,比如集中式存储和软件定义存储。前者即指通过一个或数个固定的盘阵控制器,连接几个磁盘柜的方式,由盘阵控制器作为数据访问入口,为应用服务器提供数据访问;后者是将所有存储相关的访问和控制
8月4日,全球权威AI性能基准评测组织 MLCommons® 发布 MLPerf® Storage v2.0 基准测试结果。焱融存储再次刷新全球纪录 —— 焱融全闪存储一体机 F9000X 在全部模型测试中性能领先,尤其是在 3D-Unet 模型测试中,三节点存储集群实现了高达 513 GB/s 的总带宽。这一成绩再次证明了焱融存储的高带宽、低延迟表现,以及其应对高强度 AI/ML 工作负载的卓越
近日,国内首创的大模型推理加速技术——焱融 YRCache,发布了最新的实测数据。基于异步卸载与异步加载两大核心创新,不仅释放 GPU 显存、降低推理成本、提升资源利用率,还大幅提升推理效率,轻松支持 32K、128K 及更长上下文的流畅处理,并实现跨节点缓存共享,为用户带来高性能、低成本的大模型推理体验和显著业务价值。
当前,业内擅长非结构化数据的存储方式主要是文件存储和对象存储。文件存储和对象存储各有千秋,文件存储不仅能兼顾多个应用和多个用户访问,更突出的优势是方便文件共享;对象存储凭借灵活性和扁平架构得到了广泛的好评,容量达到 EB 级以上,实现理论上的对象存储容量和对象数量无限扩充。然而,由于对象存储的访问接口协议单一,数据访问性能较差的问题,使其可适用的范围受到了一定程度的限制。以下内容是焱融科技架构师彭

前言在上一篇《如何实现支持百亿级文件的分布式文件存储》中,我们简单“鸟瞰”了实现支持海量文件的分布式文件存储的关键思路,本文我们开始讨论各个模块的设计思路和部分细节。先从元数据服务开始,元数据服务一般被简称为MDS,表示MetaData Service,或MetaData Server。MDS数据在磁盘中如何管理当我们说要做支持百亿文件的MDS时,我们要做什么?我们先从业务需求说起。绝大多数业务,

随着 GPU 的快速迭代和大规模数据集的不断增长,为了确保整体 AI 训练系统的效率,存储网络也需要不断进化,对 RDMA 的需求变得愈发迫切。凭借低延迟和高吞吐量的优势,RDMA 现已成为 AI 存储系统中的重要技术选项。然而,与传统 TCP socket 通过简单调用 API 即可完成网络通信的方式不同,RDMA 要求用户处理更多通信细节,这无疑增加了其使用的复杂性。在本篇文章中,我们将分享焱

焱融YRCache推理方案为一家互联网医疗企业的 AI Agent 构建了 PB 级高速持久化存储,实现推理效率与成本的双重优化:整体推理效率提升 65%,同等算力资源的并发支撑能力提升 2 倍以上。用户体验的改善带动付费用户数量增长 38%,为该企业业务增长提供有力支撑。
破题大模型算力荒,如何打造高性能存储底盘?

当前,数字经济正处于高速发展阶段,人工智能作为数字经济的技术引擎之一,在赋能数字经济的同时,也推动了整个计算产业往“智慧计算”方向演进,使得巨量模型和海量数据对算力和存储的需求呈指数级增长。为了助力企业用户在人工智能领域快速地发展与创新,焱融科技与趋动科技近期宣布,将联手推出一站式存储算力联合解决方案,帮助企业通过 Kubernetes 统一管理调度 CPU 和 GPU 资源。焱融科技是一家专注于

8月4日,全球权威AI性能基准评测组织 MLCommons® 发布 MLPerf® Storage v2.0 基准测试结果。焱融存储再次刷新全球纪录 —— 焱融全闪存储一体机 F9000X 在全部模型测试中性能领先,尤其是在 3D-Unet 模型测试中,三节点存储集群实现了高达 513 GB/s 的总带宽。这一成绩再次证明了焱融存储的高带宽、低延迟表现,以及其应对高强度 AI/ML 工作负载的卓越