JuiceFS

摘要： 随着 AI 技术的快速发展，推理服务的需求在市场中不断增长，已成为各行各业广泛关注的关键应用。随着思维链、慢思考等技术的出现，模型的推理能力也在不断的增强。推理能力的实际应用覆盖了更多行业和场景，成为企业部署 AI 基础设施时不可忽视的关键因素。更多企业关注如何高效、可靠、经济地将 AI 落地并解决 阅读全文

摘要： 九识智能 Zelos 是一家专注于自动驾驶与无人配送技术的高新技术企业，具备自动驾驶系统及 AI 芯片的自主研发与规模化落地能力。公司核心产品已在全国 200 多个城市广泛部署，整车销售市占率超过 90%，在中国 L4 城配自动驾驶领域持续领先。 随着业务迅速扩展，公司数据体量从 TB 级快速增长至 阅读全文

摘要： 8 月 5 日，全球权威 AI 工程联盟 MLCommons 发布了最新的 MLPerf® Storage v2.0 基准测试结果。本次评测吸引了众多厂商参与，包括 Cloud、Shared File、Fabric-Attached Block、Direct-Attached Block 这几大类存 阅读全文

摘要： 随着数据量和模型规模的爆炸性增长，多个客户端频繁访问相同数据的场景变得愈发普遍。分布式缓存通过聚合多个节点的本地缓存，形成大容量缓存池，从而提升缓存命中率、增强读带宽和 IOPS，降低读延迟，满足高性能的需求。 然而，节点间的数据交换极度依赖网络性能。带宽不足会限制数据传输速度并增加延迟；过高的网络 阅读全文

摘要： 为了提升写入效率，JuiceFS 提供了 writeback 功能。例如在写入 1 万条数据的案例中，启用 writeback 后，数据传输在 10 秒 内完成；未启用 writeback 时则需要 2 分钟。然而，writeback 功能也伴随着一些风险和使用限制。本文将详细介绍 JuiceFS 阅读全文

摘要： 稿定科技（gaoding.com）是一家专注于为企业和个人提供视觉内容创新方案的科技公司，致力于打造全新的设计方式，帮助更多用户轻松掌控设计，创造价值。 随着 AI 技术的加速发展，数据存储和管理成为支撑公司创新与发展的关键基础设施。最初，“稿定”的 AI 训练数据主要依赖公有云厂商提供的对象存储和 阅读全文

摘要： 近期，我们在云端渲染场景中，对 100 至 3000 节点的 JuiceFS Windows 客户端进行了性能测试。测试内容为渲染前置任务，即在渲染任务之前执行所有存储相关操作。 与实际使用场景相比，本次测试采用了更为苛刻的条件，使用了大量小文件的数据进行测试。任务要求 1000 台机器平均时间在 阅读全文

摘要： 在近期发布的 JuiceFS 社区版1.3 和企业版 5.2 中，我们对 Windows 客户端进行了大量的优化工作。在早期版本中，JuiceFS 也尝试支持 Windows 平台，但是在使用体验和稳定性方面存在诸多问题，无法达到一个稳定的可用状态。 去年，我们决定重新对 Windows 客户端 进 阅读全文

摘要： AI 模型的训练与推理对存储系统提出了极为严苛的要求，特别是在高吞吐、高并发以及对海量小文件的高效处理方面，已成为三大主要挑战。尽管基于 Lustre 或 GPFS 的并行文件系统具备出色的性能，但其成本高昂、吞吐能力与容量强耦合，可能导致硬件资源的浪费。随着数据规模的急剧增长，这些问题变得更加突出 阅读全文

摘要： 随着 LLM 和多模态 AI 的兴起，非结构化数据的规模呈指数级增长，这对数据存储、检索和分析提出了更高的要求。LanceDB 是 AI 原生多模态数据湖产品，采用自研的开源数据格式 Lance，以解决传统数据格式在大规模非结构化数据场景中的局限性，已被多家 AI 公司，如 Runway 和 Mid 阅读全文