© 2019 by InfinitiesSoft. 

人工智慧/資料科學雲平台

InfinitiesSoft CloudFusion支援整合的人工智慧/資料科學雲平台,具有Kubernetes功能中的機器學習功能,可以更輕鬆地在AI、HPC和大數據中進行複雜的部署。人工智慧/資料科學雲平台基於私有雲(內部基礎架構),可以擴展到混合雲,以便在高峰期(“雲爆發”)分配額外資源(運算、儲存甚至GPU資源) 用於資源分配的進階雲管理平台。

人工智慧/資料科學雲平台方案包含以下三個層級:

  • 管理層:InfinitiesSoft CloudFusion雲管理平台,可動態分配虛擬化資源並調度工作負載。CloudFusion還可以將本地實體資源與來自公有雲服務(AWS、Azure、Google Cloud、Ali-Cloud等)的實體資源集中在一起,以創建雲爆發功能(混合雲)。

  • 虛擬化層:用於GPU資源(containers)虛擬化的Docker + Kubernetes,用於虛擬化CPU資源(虛擬機)的OpenStack,以及用於軟體定義儲存的BigTera VirtualStor Converger或Scaler。

  • 硬體層:用於底層內部私有雲基礎架構的伺服器硬體。

如何運作?

雲平台使資料科學團隊、開發人員和IT團隊能夠透過單一系統簡化工作負載。

AI/ML功能已整合到此雲中,因此用戶可以專注於AI / ML工作負載,而不是系統維護、校正和部署時程。雲降低了用戶採用和掌握Tensorflow、Caffe和其他深度學習工具的複雜性和學習曲線。

Containers使開發人員能夠更輕鬆、更安全、更快速地開發、擴展和交付AI應用,讓資料科學家更容易使用AI。Docker + Kubernetes和Singularity都是可以在此系統中使用的containers。Singularity是輕量級且基於非IP(HPC)專為單一用戶設計,是非交互式批處理作業的理想選擇。相比之下,Kubernetes是重量級基於IP的,因此允許多個用戶連接,非常適合交互式作業。


Kubernetes正迅速成為人工智慧工作的必需品,也是此雲平台的一個關鍵特性。它是機器學習工作負載中最受歡迎的container,因為大多數方案由於其交互模式功能而設置為在Kubernetes container中運行。由於Kubernetes container可以在整個生命週期中進行調度和管理,因此它也是開發人員和使用持續發布或持續交付應用程序開發流程的DevOps從業者的最愛。由於同樣的原因,機器學習開發人員也非常青睞Kubernetes。

 

開源工具在市場上越來越多,並進一步增加了使用Kubernetes進行資料科學工作的吸引力。例如,Kubeflow開源工具使團隊能夠輕鬆地將現有的機器學習作業附加到集群,而無需在調整或整合方面做太多工作。

欲知更多訊息

想了解更多關於我們可以如何幫助您構建支持AI/Data Science雲平台的更多信息,請下載我們的白皮書、解決方案手冊或與我們聯繫。

技術白皮書

​解決方案

​技術支援