Google Cloud 推出 Z4M 存储优化机型：大容量本地 SSD 加 400 Gbps 高速网络，瞄准 AI 训练与大型数据处理

发生了什么事

Google Cloud 宣布，新一代存储优化 Z4M 机器系列已在 Google Compute Engine 正式推出（GA）。客户可以选择虚拟机（VM），也就是从物理服务器切分出来的虚拟计算机；也可以选择裸机（bare-metal）实例，也就是直接使用物理硬件、没有虚拟化层的服务器。

据 Google Cloud 介绍，Z4M 是为三类 AI/ML 训练与推理工作负载而设计。第一类是检查点（checkpointing），也就是在训练过程中定期保存进度。第二类是分布式键值（KV）缓存，也就是把常用数据分散暂存在多台机器上，以便快速读取。第三类是并行文件系统，也就是让许多服务器同时读写同一批数据的存储系统。Google Cloud 表示，Z4M 采用第五代 Intel Xeon Scalable 处理器与最新的 Titanium 增强功能，最高提供 168,000 GiB 本地 SSD（LSSD）与最高 400 Gbps 的 Cloud RDMA 网络。

RDMA（远程直接内存访问）是一种让服务器之间更直接交换数据的网络技术。TCP 则是一般网络常用的传输方式。Google Cloud 指出，与 TCP 网络相比，RDMA 可将数据访问延迟最多降低 60%。

规格与性能要点

Google Cloud 表示，Z4M VM 与裸机实例最多提供 192 个 vCPU（虚拟处理器核心）与 1,536 GiB 内存。VM 每个 vCPU 对应 875 GiB 的 LSSD 容量。IOPS 指每秒可完成的读写次数。该公司称 Z4M 最高达 1,560 万次随机读取 IOPS（15.6M），顺序读取吞吐量最高达每秒 75,600 MiB。与上一代 Z3 相比，LSSD 性能与吞吐量最多分别提升 70% 与 110%。

在网络方面，Google Cloud 说明 Z4M 通过 NVIDIA GPUDirect Storage 与 TPUDirect Storage 以线速传输数据。线速指以网络带宽上限的速度传输，目的是帮助 GPU 与 TPU 保持高利用率。Google Cloud 还表示，Z4M 的 LSSD 对网络吞吐量比例为 1.4:1，可以一边在本地处理数据，一边以全速把数据传出去。

Google Cloud 的文章也引述合作伙伴自行测试的结果。Silk 的 Adik Sokolovski 表示，与 TCP 相比，Cloud RDMA 在 Z4M 上延迟最多低 3.7 倍，CPU 使用量最多低 6 倍。WEKA 的 Ajay Singh 表示，Z4M 的读取吞吐量约为 Z3 系列的两倍，IOPS 最多高 79%。这些是厂商自述的测试，并非独立验证。

谁会受影响、为什么重要

训练 AI 模型时，昂贵的 GPU 与 TPU 如果等不到数据，就会闲置。Google Cloud 推出 Z4M 的诉求，是让数据更快送到这些加速器，让它们保持高利用率。

Google Cloud 列出的目标场景有三类。第一类是 AI/ML 训练与推理。第二类是并行文件系统与企业级存储，Google Cloud 点名了 Weka、Sycomp、Silk 与 VDURA。第三类是 SQL、NoSQL 与向量数据库等关键企业数据库。Hyperdisk 是 Google Cloud 通过网络连接的块存储。Google Cloud 表示，Z4M 也支持 Hyperdisk Balanced、Hyperdisk Throughput 与 Hyperdisk Extreme，每个实例最高 512 TiB。Google Cloud 称 Hyperdisk Balanced 最高 320K IOPS，Hyperdisk Extreme 最高 500K IOPS 与 12,500 MiB/s。

在管理上，Google Cloud 表示可以使用 Cluster Director 与 Cluster Toolkit 配置、部署和管理大型 Z4M 集群。Z4M 也能与 GPU、TPU 集群放在一起（共置）。Google Cloud 还表示，系统会在需要维护的数天前通知用户。

如何开始

据 Google Cloud 介绍，在 Google Cloud 控制台创建新的 VM 或 GKE 节点池时，到“存储优化（Storage-Optimized）”机器系列下选择 Z4M 即可。GKE 节点池是 Google 容器服务中的一组服务器。供应区域请向 Google Cloud 销售代表确认。

常见问题

查看同分类最新消息

• 科技新闻