XiaoMi-AI文件搜索系统
World File Search SystemWorkloads
启用低延迟工作负载技术指南
许多NFV工作负载必须以低潜伏期的形式交付才能满足严格的服务水平协议。这些工作负载中的许多具有独特的特征。该软件通常以轮询模式运行，从CPU的角度来看，利用率为100％。这是因为指令总是由CPU核心执行。使用数据平面开发套件（DPDK）的应用程序是此软件体系结构的典型特征。对于内核驱动程序，DPDK中使用的轮询模式驱动程序（PMD）似乎是100％忙碌的，即使可能有很少的数据包流动。因此，在100％利用案件中的内核电源州长并不总是适合电源管理，因为由于投票驱动程序的投票性质，核心利用总是被视为100％忙碌。除了投票外，DPDK软件线程通常不会与其他工作负载共享内核，并且通常与OS调度程序隔离，这意味着它们可以控制电源技术而不会影响核心上运行的其他软件。
人工智能和机器学习工作负载平台：云端或边缘
人工智能 (AI) 曾经只是一些最受欢迎的科幻小说作家的幻想，但现在已在我们的日常生活中扎根。另一个成为现实的科幻小说幻想是物联网 (IoT)，它是相互关联的计算设备、机械和数字机器、物体、动物或人的系统，它们具有唯一标识符 (UID)，能够通过网络传输数据，而无需人与人或人与计算机的交互。物联网中的“物”可以是植入心脏监护仪的人、带有生物芯片转发器的农场动物、具有内置传感器以在轮胎气压低时提醒驾驶员的汽车，或任何其他可以分配 IP 地址并能够通过网络传输数据的自然或人造物体。
为 AI 工作负载提供网络弹性数据保护
在当今数据驱动的世界中，AI 不仅仅是一种奢侈品，更是保持竞争力的必需品。但是，随着 AI 深入融入业务运营，它为数据保护带来了独特的挑战。Dell PowerProtect 数据保护直面这些挑战，提供全面的解决方案，确保您的 AI 数据安全无虞，业务运行顺畅。数据保护的迫切需求 根据 Dell Technologies 生成式 AI 脉搏调查，76% 的 IT 领导者认为 AI 将对其组织产生重大甚至变革性的影响 1 。对 AI 的依赖性增加也意味着生成的数据量和价值激增。近 90% 的组织承认 AI 应用程序中需要数据保护，但 65% 的组织仅备份了不到其总 AI 数据的一半 2 。这一差距凸显了从规划阶段到部署阶段对强大数据保护策略的迫切需求。为什么 AI 工作负载需要专门的保护 AI 工作负载与任何其他业务功能一样重要，但极易受到网络威胁。常见风险包括数据中毒、勒索软件、隐私泄露和社会工程。生成式 AI (GenAI) 应用程序（如大型语言模型 (LLM)）的使用引入了新的攻击面，使数据保护比以往任何时候都更加重要。为 AI 工作负载提供全面的数据保护 Dell PowerProtect 数据保护提供了一种现代、简单且有弹性的方法来保护 AI 工作负载。从数据源到 AI 模型，从查询到响应，您的 AI 基础架构的每个组件都将受到保护。
现实世界的工作负载、人工智能和存储优化
1 PM DAX FS 和 Mmap；英特尔 PM RTP - x6 256GB 交叉 DCPMM；SMART NVDIMM-N RTP - x1 16GB NVDIMM-N；2 英特尔 3D X Pt 750GB Optane AIC NVMe SSD、DapuStor 1600GB AIC XL SLC Flash NVMe SSD、华为 TLC V3 3200GB NVMe SSD；3 XL Flash 预生产 - 未进行合成或真实世界测试；4 SNIA PM PTS Draft 0.3；5 SNIA PTS v2.0.1；6 7 SNIA RWSW PTS v1.0.7；序数排名：DCPMM v NVDIMM-N 和 3D X Pt v TLC NVMe；参考工作负载发布于 www.TestMyWorkload.com
使用 oneDNN、oneDAL 和 OpenBLAS 为 AI 工作负载提供支持
重新设计软件以适应每个硬件平台具有限制性。开源和与平台无关的软件设计可实现在各种硬件平台上的互操作性，从而创建更灵活的开发者生态系统。
使用 Ray 轻松扩展 AI 和 Python 工作负载
“在 Shopify，我们的数据和计算需求每年都在呈指数级增长，而我们以前的工具却难以跟上。我们选择 Ray 来支持我们的机器学习平台，事实证明，它对我们加速和扩展整个 ML 生命周期的能力至关重要。Ray 的简单、Pythonic API 和丰富的库生态系统，加上其开放且可扩展的设计，使我们的工程师和数据科学家能够更轻松、更快地为全球 170 多万商家创造价值。”
物联网镜头 - 一个物联网工作负载的完善框架
•IOT规则引擎：根据创建的规则将数据路由到AWS服务。AWS IOT规则进行分析，并根据主题触发操作。•基本摄入：将设备数据安全地发送到AWS IoT规则操作支持的AWS服务。这通过从摄入路径中删除发布/订阅消息代理来优化数据流量并降低成本。•AWS IOT Greengrass：由于它也具有边缘代理，因此可以无缝地进行边缘代理和云之间的数据传输以及部署到边缘。它可以将数据发送到不同的AWS服务，例如S3，FireHose，IoT SiteWise，IoT Analytics等。•AWS IOT网站：托管服务，有助于按大规模收集，组织和分析工业设备数据。它可用于监视操作，计算性能指标并创建分析工业设备数据的应用程序。•AWS IoT Weletwise：收集，组织和将车辆数据传输到云的托管服务。它可以帮助您获得有关车辆平流的见解，并将其用于诊断，警报和采取实时操作。•AWS IoT Roborunner：提供集中存储，以存储不同机器人供应商系统的数据。可以使用它来可视化机器人位置和单个地图视图上的状态。•Amazon Kinesis：是用于流数据的托管服务，有助于从IoT设备获得见解，并且可以与IoT规则引擎集成。它允许将设备无缝集成到支持非MQTT协议的应用程序。它还有助于将通信层与应用程序层分解。•Amazon简单队列服务（SQS）：当IoT应用程序需要一个不需要消息订单的队列时，提供了事件驱动的，可扩展的摄入队列。
适用于企业工作负载的实时 AI：IBM Telum 处理器
带有 SMT2 的 5+ GHz 无序流水线 重新设计的分支预测 – 集成的 1 级和 2 级 BTB – 动态 BTB 条目重新配置 – 最多 >270k 个分支目标表条目
将人工智能工作负载分配至智能边缘的注意事项
解决方案 AI 的价值取决于其在生产系统中的使用能力以及随着时间的推移而不断改进的能力。近年来，AI 和 ML 技术在执行疾病诊断和合同审查等复杂认知任务方面表现出显著的进步。考虑到可以让人类工作者专注于由 AI 完成的初始“准备工作”的更高级别任务，许多企业正在扩大 AI/ML 计划，以保持市场竞争力，并在基础设施、解决方案和人才方面进行大量投资。编排解决方案已准备好扩展支持 AI 的系统所需的运营和支持基础设施 - 无需重新架构基础设施即可管理数百到数百万个 AI 端点。