К2 Облако открывает коммерческий доступ к дискам для обучения ИИ-моделей и аналитики больших данных

Главное отличие NV1 от стандартных облачных дисков — отсутствие репликации. Обычные виртуальные диски тратят ресурсы на поддержание копий данных, что снижает их скорость. NV1 лишён этих ограничений и обеспечивает минимальную задержку среди всех типов дисков K2 Облака, пропускную способность до 1000 МиБ/с, а также производительность до 256 тыс. операций в секунду (IOPS) для Linux, до 150 тыс. IOPS для Windows и до 40 тыс. IOPS в однопоточном режиме. При этом производительность в IOPS не ограничена облаком явно — она зависит от конфигурации экземпляра: количества vCPU, числа параллельных запросов и профиля нагрузки. Сохранность данных обеспечивается на уровне приложения через встроенные механизмы репликации СУБД или, например, таких систем, как Kafka.

«Классические виртуальные диски с репликацией гарантируют сохранность данных, но их производительность страдает из-за накладных расходов на запись и поддержание копий. NV1 создан без этих ограничений и работает на уровне дисков дата-центров. В итоге компании получают кратно более высокую скорость, сохраняя при этом все удобства сетевой модели подключения», — отметил Артём Комиссаров, менеджер продукта Storage-подсистем K2 Cloud. 

NV1 будет полезен в первую очередь там, где скорость напрямую влияет на бизнес-результат. Корпоративные базы данных с собственной репликацией получат кратный прирост производительности без изменения архитектуры. Аналитические платформы смогут быстрее обрабатывать большие объёмы данных и сокращать время получения отчётов. А для систем потоковой обработки и корпоративных очередей сообщений критична минимальная задержка записи. NV1 закрывает эту потребность.  

Отдельно стоит выделить сценарии работы с данными и ИИ. ML-платформы и системы обучения моделей на GPU требуют быстрой загрузки данных в видеопамять — NV1 обеспечивает необходимую пропускную способность. А также компании, которые работают с видеоконтентом, получат стабильную производительность при параллельной обработке потоков.