存储优化型 Z4M 机器系列正式发布

📌 One-Sentence Summary
Google 宣布 Compute Engine 新一代存储优化型 Z4M 机器系列正式推出,可提供高达 168,000 GiB 的本地 SSD 存储和 400 Gbps 的 Cloud RDMA 网络,满足高要求的 AI/ML 训练及企业数据库工作负载需求。
📝 Summary
Google Cloud 宣布 Compute Engine 存储优化型 Z4M 机器系列正式推出,提供虚拟机和裸金属实例。Z4M 专为 AI/ML 训练和推理工作负载设计,适用于检查点保存、分布式 KV 缓存和并行文件系统等场景,可提供高达 168,000 GiB 的本地 SSD 存储和 400 Gbps 的 Cloud RDMA 网络。Z4M 搭载第五代 Intel Xeon Scalable 处理器和 Titanium SSD,随机读取 IOPS 高达 15.6M,顺序读取吞吐量高达 75,600 MiB/s;与 Z3 相比,IOPS 性能最高提升 70%,吞吐量最高提升 110%。该系列支持 GPUDirect Storage 和 TPUDirect Storage,帮助 GPU 和 TPU 保持满负载运行;同时兼容 Hyperdisk 存储选项,包括 Balanced、Throughput 和 Extreme 层级。
💡 Main Points
Z4M 为 AI/ML 工作负载提供超大存储容量和高性能网络
Z4M 可提供高达 168,000 GiB 的本地 SSD 存储和 400 Gbps 的 Cloud RDMA 网络,随机读取 IOPS 高达 15.6M,顺序读取吞吐量高达 75,600 MiB/s。与 Z3 系列相比,IOPS 性能最高提升 70%,吞吐量最高提升 110%。
Cloud RDMA 相比 TCP 网络可将数据访问延迟最多降低 60%
支持 RDMA 的 400 Gbps 网络有助于降低数据访问延迟,让 GPU 和 TPU 保持满负载运行,使应用提升吞吐量,并优化云资源投入。
Z4M 裸金属实例为智能体 AI 工作负载提供直接硬件访问
裸金属实例可移除虚拟化层,降低自定义虚拟机监控程序和具有特定许可需求的工作负载的延迟;也适合借助 Agent Substrate 大规模运行相互隔离的沙箱。
Z4M 支持数据库和并行文件系统等多种存储优化场景
该系列面向检查点保存、分布式 KV 缓存、并行文件系统(Weka、Sycomp、Silk、VDURA)以及业务关键型企业数据库(SQL、NoSQL、向量数据库、数据搜索)等场景,可持续提供高 I/O 性能。
兼容 Hyperdisk,可按工作负载需求配置块存储
Z4M 虚拟机和裸金属实例支持 Hyperdisk Balanced、Throughput 和 Extreme 存储选项。Hyperdisk Extreme 可为高要求数据库工作负载提供超低延迟,性能最高达 500K IOPS 和 12,500 MiB/s 吞吐量。
💬 Key Quotes
Z4M 可提供高达 168,000 GiB 的本地 SSD(LSSD)存储,并搭配高达 400 Gbps 的 Cloud 远程直接内存访问(RDMA)网络。
与 TCP 网络相比,RDMA 可将数据访问延迟最多降低 60%,从而提升这些高要求工作负载的性能。
Z4M 的随机读取 IOPS 高达 15.6M,顺序读取吞吐量高达 75,600 MiB/s;与 Z3 相比,LSSD 存储性能和吞吐量分别最高提升 70% 和 110%。
Z4M 虚拟机和裸金属实例最多可提供 192 个 vCPU 和 1,536 GiB 内存,满足大规模数据处理需求。
Hyperdisk Extreme 可提供超低延迟;每个 Z4M 虚拟机和裸金属实例最高支持 500K IOPS 和 12,500 MiB/s 吞吐量,非常适合高要求的数据库工作负载。
📊 Article Meta
AI Screening: 87
Source: Google Cloud Blog
Author: bob Napaa
Category: 人工智能
Language: 英文
Read Time: 5 min
Word Count: 1177
Tags:
AI 与智能应用 , 机器学习 , 性能优化 , KV Cache优化 , 人际关系
实测过类似工具,作者说的基本属实。
路过
很有价值的分享,感谢整理。
看标题就点进来了,内容果然没让人失望。
收藏了,以后慢慢研究。
楼主辛苦了,内容很有参考价值。
思路清晰,干货满满。
点赞,必须点赞
支持作者,持续关注中。
收藏了,以后慢慢研究。
有没有更详细的教程,期待后续。
看标题就点进来了,内容果然没让人失望。