今日，全球首創(chuàng)的開源數(shù)據(jù)編排軟件開發(fā)商Alluxio宣布正式發(fā)布數(shù)據(jù)編排平臺2.7版本，新版本立即可用。2.7版本通過并行數(shù)據(jù)加載、數(shù)據(jù)預(yù)處理和訓(xùn)練工作流，可將機(jī)器學(xué)習(xí)(ML)訓(xùn)練的I/O效率提高8-12倍，從而顯著降低成本。新版本還提供了更強(qiáng)的性能分析，并能更好地支持Apache Hudi和Iceberg等開放表格格式，使得對數(shù)據(jù)湖的訪問更易于擴(kuò)展，從而實(shí)現(xiàn)了Presto和Spark的分析提速。

　　“Alluxio 2.7版本進(jìn)一步鞏固了Alluxio在云上人工智能(AI)、機(jī)器學(xué)習(xí)和深度學(xué)習(xí)方面的重要地位，”Alluxio創(chuàng)始人兼首席執(zhí)行官李浩源表示。“隨著數(shù)據(jù)集的增長以及CPU和GPU計(jì)算能力的增強(qiáng)，機(jī)器學(xué)習(xí)和深度學(xué)習(xí)已成為AI主流技術(shù)。這些技術(shù)的興起推動了AI的發(fā)展，但也凸顯了數(shù)據(jù)和存儲系統(tǒng)訪問中存在的一些挑戰(zhàn)。”

　　“我們在1000個節(jié)點(diǎn)的集群中部署了Alluxio，用來加速我們游戲AI平臺上模型訓(xùn)練的數(shù)據(jù)預(yù)處理。事實(shí)證明Alluxio穩(wěn)定、可擴(kuò)展且易于管理。”騰訊大數(shù)據(jù)平臺研發(fā)負(fù)責(zé)人陳鵬表示。“隨著越來越多的大數(shù)據(jù)和AI應(yīng)用容器化，Alluxio正在成為大型企業(yè)和機(jī)構(gòu)的首選，作為加速數(shù)據(jù)分析和模型訓(xùn)練的中間層。”

　　“擁有大規(guī)模分析和AI/ML計(jì)算框架的數(shù)據(jù)團(tuán)隊(duì)面臨著越來越大的壓力，需要讓日益增長的數(shù)據(jù)源更易于訪問，同時確保性能的穩(wěn)定，這需要同時考慮數(shù)據(jù)本地性、網(wǎng)絡(luò)I/O和成本問題，”ESG分析師 Mike Leone表示。“企業(yè)和機(jī)構(gòu)希望選用更實(shí)惠和可擴(kuò)展的存儲，如云對象存儲，同時避免昂貴的應(yīng)用程序修改或處理新的性能問題。Alluxio通過抽象存儲細(xì)節(jié)并使數(shù)據(jù)更接近計(jì)算側(cè)來應(yīng)對這些挑戰(zhàn)，尤其是在混合云和多云環(huán)境中。”

　　Alluxio 2.7版本新增以下功能：

　　使用Alluxio和NVIDIA的DALI進(jìn)行機(jī)器學(xué)習(xí)訓(xùn)練

　　NVIDIA的數(shù)據(jù)加載庫(DALI)是一個常用的Python庫，支持通過CPU和GPU進(jìn)行數(shù)據(jù)加載和預(yù)處理從而加速深度學(xué)習(xí)。在2.7版本中，Alluxio平臺進(jìn)行了優(yōu)化，可以與DALI一起部署用于加速基于Python的ML應(yīng)用，其中包括模型訓(xùn)練和推理之前的數(shù)據(jù)加載和預(yù)處理步驟。通過加速I/O密集型工作并允許并行處理后續(xù)的計(jì)算密集型訓(xùn)練，Alluxio數(shù)據(jù)平臺上的端到端訓(xùn)練與傳統(tǒng)解決方案相比實(shí)現(xiàn)了顯著的性能提升。對于海量小文件的訓(xùn)練，與其他解決方案相比，該解決方案可以實(shí)現(xiàn)橫向擴(kuò)展(scale-out)。

　　大規(guī)模數(shù)據(jù)加載

　　Alluxio的核心定位是數(shù)據(jù)管理能力，這些能力包括對分散的數(shù)據(jù)源進(jìn)行統(tǒng)一和實(shí)現(xiàn)緩存。隨著Alluxio越來越多地用于計(jì)算和存儲跨多個地理位置的場景，Alluxio自身也在不斷擴(kuò)展。本次更新采用新技術(shù)對數(shù)據(jù)進(jìn)行批處理，從而增強(qiáng)其可擴(kuò)展性。批處理通過使用內(nèi)置執(zhí)行引擎處理數(shù)據(jù)加載等任務(wù)，減少了管理控制器對資源的需求，從而減少了系統(tǒng)配置的工作量，降低了成本。

　　Kubernetes上的易用性

　　Alluxio現(xiàn)在支持用于Kubernetes的原生容器存儲接口(CSI)驅(qū)動，以及用于ML的Kubernetes operator，這使得在容器化環(huán)境中的 Alluxio平臺上操作 ML工作流比以往任何時候都更加容易。 Alluxio的卷類型現(xiàn)在可用于 Kubernetes 環(huán)境。敏捷性和易用性是本次新版本關(guān)注的重點(diǎn)。

　　在Presto上基于分析動態(tài)調(diào)整緩存

　　新版本還推出了智能緩存新功能，名為Shadow Cache，能夠動態(tài)分析緩存大小對響應(yīng)速度的影響，從而輕松實(shí)現(xiàn)高性能和低成本之間的平衡。對于大規(guī)模的多租戶Presto環(huán)境，此新功能通過自助管理顯著降低了管理開銷。

　　“在存儲與ML計(jì)算分離的情況下，數(shù)據(jù)平臺團(tuán)隊(duì)利用 Alluxio 來簡化數(shù)據(jù)預(yù)處理和加載階段，”Alluxio高級產(chǎn)品經(jīng)理 Adit Madan表示，“這種簡化使得Spark ML、Tensorflow 和 PyTorch 等框架能最大限度地利用GPU。 Alluxio 解決方案可在 AWS、GCP 和 Azure Cloud 等多個云平臺上使用，現(xiàn)在也可在私有數(shù)據(jù)中心或公有云中的 Kubernetes上使用。”

　　下載

　　Alluxio 2.7 版本可在此即刻下載：https://www.alluxio.io/download/