Der Lösungsentwickler Panasas stellte sein erweitertes Portfolio an High-Performance-Speicherlösungen vor. Zwei zusätzliche ActiveStor-Systeme sollen fortschrittliches KI/ML-Training (künstliche Intelligenz/ Machine Learning), Modellierung und Simulation, High-Performance-Datenanalyse sowie massive Daten-Workloads beschleunigen.
All-NVMe ActiveStor Flash und ActiveStor Ultra XL ergänzen nun Panasas Speicherplattform ActiveStor Ultra. Das Portfolio basiert auf der PanFS Daten-Engine, dem ursprünglichen parallelen Dateisystem für Linux-Cluster.
Die Daten-Engine PanFS ist ein paralleles Dateisystem und das Herzstück der ActiveStor-Speicherfamilie. Trotz der einfachen Verwaltung biete es hohe Leistung und Zuverlässigkeit sowie unbegrenzte Skalierbarkeit. Die PanFS-Software reduziere die Komplexität von Hochleistungsdatenumgebungen und biete einen schnellen, direkten, dateibasierten Datenzugriff für Anwendungen ohne manuelle Verwaltung. Sie orchestriert laut dem Entwickler die gesamte Datenverwaltung, um Ausfälle automatisch zu beheben, Datenlasten kontinuierlich und nahtlos auszugleichen und gespeicherte Daten zu bereinigen und zu verschlüsseln, um ein Höchstmaß an Schutz zu gewährleisten.
Die komplett NVMe-basierte ActiveStor-Flash-Lösung biete eine bestmögliche Speicherleistung für Scratch-, Small- und Random-Files. Sie ist laut Panasas geeignet für KI/ML-Training, Backtesting von Handelsstrategien sowie für Automatisierungsprojekte in den Bereichen Biowissenschaften und Elektronikdesign.
ActiveStor Ultra XL eigne sich für massive Datenumgebungen sowie für Workloads mit Referenzdatensätzen und großen Dateigrößen, etwa in der seismischen Ressourcenexploration, in der wissenschaftlichen, akademischen und staatlichen Forschung, in der Fertigung sowie in der Medien- und Unterhaltungsbranche.
Die hybride ActiveStor-Ultra-Lösung hat sich laut Pansas für gemischte Workloads im traditionellen HPC und in Unternehmen bewährt. Sie ermögliche Hochleistungsdatenanalysen, komplexe Modellierung und Simulation, molekulare Bildgebungsverfahren in den Biowissenschaften sowie konvergierte HPC/AI-Datenanwendungen.