HPE expande las capacidades de GreenLake for File Storage para impulsar la IA en la empresa

HPE ha confirmado una expansión de las capacidades de GreenLake for File Storage diseñada para el impulso de las cargas de trabajo de lagos de datos e IA empresarial a escala. Con este último impulso, la compañía ha dotado al sistema de opciones all-flash de alta densidad, ofreciendo cuatro veces más capacidad que la versión actual, y hasta el doble de rendimiento del sistema por unidad rack.

Con estas mejoras se duplica el rendimiento a escala de la IA, además de reducir hasta casi la mitad el consumo de energía. GreenLake for File Storage contará además con un nuevo controlador con el doble de potencia de proceso, con el objetivo de acelerar las cargas de trabajo y reducir tanto los costes como la huella y el consumo de energía de los centros de datos.

HPE GreenLake for File Storage acelera las aplicaciones que hacen un uso intensivo de los datos al ofrecer un rendimiento empresarial de IA a escala. Este rendimiento se da en todas las etapas de la IA, desde la agregación y preparación de datos hasta el entrenamiento, ajuste e inferencia. Cuenta además con una arquitectura modular desagregada y compartida para escalar el rendimiento y la capacidad de manera independiente, y está diseñada para una escala exabyte.

GreenLake for File Storage ofrece cuatro veces más capacidad por densidad RU y la mitad del consumo energético, y maximiza el uso de la GPU con rendimiento empresarial a escala de IA. Proporciona snapshots sin sobrecarga y replicación nativa, así como reducción de datos mejorada a través del algoritmo de similitud. Esto último se debe a que reduce los datos con un enfoque tanto global como detallado.

El ahorro es de 2:1 para datos de ciencias biológicas, de 3:1 para copias de seguridad ya reducidas, archivos de registro precomprimidos y datos de animación y HPC; y de 8:1 para datos de series temporales sin comprimir. Incorpora soporte para el uso optimizado de GPU a través de InfiniBand, Nvidia GPUDirect y RDMA, y acelera las cargas de trabajo de IA al mejorar el rendimiento para entrenamiento y ajuste de modelos mediante puntos de control más rápidos.

Su conectividad InifiniBand desde el host frontend a las redes, incluida la plataforma Nvidia Quantum-1 InfiniBand, ofrece mayor flexibilidad. Los clientes pueden así ampliar hasta 720 bits de capacidad efectiva, con una reducción de datos de 3:1 , las grandes cantidades de datos de los archivos de IA a escala empresarial.