简介: JindoFS提供了一个计算侧的分布式缓存系统,可以有效利用计算集群上的本地存储资源(磁盘或者内存)缓存OSS上的热数据,从而减少对OSS上数据的反复拉取,消耗网络带宽。
背景介绍
近些年,机器学习领域快速发展,广泛应用于各行各业。对于机器学习领域的从业人员来说,充满了大量的机遇和挑战。Tensorflow、PyTorch等深度学习框架的出现,使开发者能够轻松地构建和部署机器学习应用。随着近些年云计算技术的不断成熟,越来越多的人接受将他们的开发、生产服务搬到云上平台,因为云环境在计算成本、规模扩展上比传统平台有显著的优势。云上平台为了达到弹性、节约成本,通常采用计算存储分离的解决方案。使用对象存储构建数据湖,可以降低成本、存储海量数据。在机器学习这个场景下,尤其适合将训练数据存储在数据湖上。
将训练数据存储在数据湖上具有以下优势:
1.不需要将数据提前同步到训练节点。传统方式,我们需要将数据提前导入到计算节点的本地磁盘。而如果将数据存储在对象存储上,我们可以直接读取数据进行训练,减少准备工作。
2.可以存储更大的训练数据,不再受限于计算节点本地磁盘大小。对于深度学习,拥有更多的数据,往往能取得更好的训练效果。
3.计算资源可以弹性扩缩容,节约成本。机器学习通常使用使用更多核数的CPU或高端GPU,较为昂贵,对象存储的成本就相对较低。将训练数据存储在数据湖上,可以与计算资源解耦。计算资源可以按需付费,随时释放,达到节省成本的目的。
然而,这种方式同时存在着一些问题和挑战: