LOS ALAMOS NATIONAL LABORATORY / LONDON (IT BOLTWISE) – Neue Benchmarks stellen NFS und SMB in den Kontext von KI-Trainings unter Last. Ein pNFS-Metadatenserver namens Lattice trennt Metadatenkontrolle vom Datenpfad und erreicht auf LANL-Hardware 40 GB/s. Parallel erweitert Nutanix Unified Storage NUS sein Portfolio um NVIDIA-Zertifizierungen und adressiert GPU-nahes Storage mit pNFS und GPUDirect Storage. Für Unternehmen bedeutet das: Performance, Skalierung und Sicherheit werden in Storage-Designs jetzt enger mit KI-Pipelines verknüpft.
KI-Trainings haben sich längst von „modernen Speichern“ als Kulisse verabschiedet: Storage ist heute Teil der Rechen- und Engpasskette. Genau dort setzt die aktuelle Welle aus Benchmarks und Plattformupdates an, die NFS und SMB in speziellen Workloads neu bewertet. Laut neueren Tests zeigt sich, dass SMB 3 in KI-Trainingsszenarien unter bestimmten Bedingungen NFS 4 übertrifft, während NFS als Technologie keineswegs am Ende ist, aber stärker auf den Datenpfad und insbesondere die Metadatenebene optimiert werden muss. Für IT-Teams wirkt das wie eine Einladung, die Netzwerk- und Filesystem-Parameter nicht länger als „statische Infrastruktur“ zu behandeln, sondern als verhandelbare Performance-Layer.
Technisch spannend ist dabei die pNFS-Logik hinter Lattice: Der Ansatz trennt die Kontrolle über Metadaten von dem eigentlichen Datenpfad. Statt dass ein einzelner Flaschenhals zwangsläufig sowohl Verzeichnis- und Namespace-Aufgaben als auch das eigentliche Datenstrom-Handling übernimmt, kann der Metadatenserver gezielt skaliert und entkoppelt werden. In den veröffentlichten Ergebnissen wird Lattice auf LANL-Hardware mit 40 GB/s gemessen, verglichen mit eher überschaubaren 3 bis 7 GB/s beim herkömmlichen Linux-Kernel-NFS-Daemon. Damit rückt eine zentrale Devise in den Fokus: Bei KI-Workloads entscheidet oft nicht nur die Bandbreite, sondern die Latenz- und CPU-Kosten pro Dateizugriff, Listing und Metadatenoperation.
Im selben Atemzug zeigt sich, warum SMB 3 und NFS 4 nicht pauschal „besser“ oder „schlechter“ sein können. KI-Pipelines bewegen sich typischerweise in Mischprofilen aus vielen kleinen Dateien, recht häufigen Metadatenoperationen und anschließend langen Sequenzen für Training oder Checkpointing. Wenn Benchmarks wie MLPerf 3D-Unet-Workloads als Referenz herangezogen werden, wird sichtbar, dass Protokoll-Overheads im Dateisystempfad sowie unterschiedliche Implementationsstrategien für Locks, Caching und Read-Ahead den Unterschied machen. Aus Marktsicht ist das auch eine Antwort auf einen älteren Kompromiss: Unified Access über mehrere Storage-Welten hinweg war lange „nur“ ein Usability-Thema, nun wird er zu einem Kosten- und Zeitelement in der KI-Trainingsrechnung.
Ein weiterer Schwerpunkt liegt auf GPU-naher Datennutzung. Nutanix hat hierfür Unified Storage (NUS) um eine NVIDIA-Zertifizierung erweitert und kombiniert dabei paralleles NFS (pNFS) mit GPUDirect Storage. In Tests mit einem 10-Knoten-All-NVMe-Cluster wird lineare Skalierbarkeit berichtet: 160 GB/s Leseleistung und 80 GB/s Schreibleistung bei gleichzeitiger Unterstützung von 1.024 GPUs. Dieser Schritt ist nicht nur Marketing, sondern adressiert ein konkretes Problem früherer Generationen: Wenn Daten „zu spät“ am GPU-Übergabepunkt ankommen, entstehen Wartezeiten, die sich in Trainingsmetriken unmittelbar widerspiegeln. Genau deshalb wirken pNFS-Metadaten-Optimierung und GPUDirect-Ansatz wie zwei Seiten derselben Medaille: Entlastung des CPU- und Netzwerkpfads, bevor das GPU-Cluster ausgehebelt wird.
Neben Dateisystemprotokollen rückt auch die Cloud-Zwischenschicht in die Diskussion. In einem Vergleich zwischen geesefs und s3fs werden bei kleinen Dateien eklatante Unterschiede sichtbar: geesefs erreicht 563 Dateien pro Sekunde, während s3fs im Bereich von rund 2,6 bis 7 bleibt. Bei sequenziellen Lesezugriffen liegt geesefs zudem mit 883 MB/s klar vorn; s3fs verharrt bei etwa 61 MB/s. Der Grund, der in solchen Analysen regelmäßig genannt wird, ist das Verhalten von FUSE in Kombination mit PUT-Operationen: geesefs nutzt aggressiveres Write-Buffering und Pipelining, s3fs blockiert dagegen pro Upload. Das erklärt auch, warum Berichte über langsames Schreiben kleiner Dateien auf Cloud-Volumes auftreten können, wenn Overhead und Netzwerkkonfiguration ungünstig zusammentreffen.
Auf der Applikationsseite zeigt sich der Trend zur Spezialisierung. Vektor- und Hybrid-Workloads brauchen zunehmend eigene Speicher-Engines statt „nur“ allgemeine Dateisysteme. Zilliz stellt hierzu die Loon Storage Engine vor und begründet die Entwicklung unter anderem mit der Dimensionierung von Vektordaten: Ein 3.072-dimensionaler Vektor benötigt laut Angaben rund 12 KB Speicher. Um bei steigender Zahl von Versionen, Schema-Entwicklungen und Punktabfragen nicht in traditionelle Backup-Kostenläufe zu geraten, setzt Loon auf hybride Dateiformate und ein Manifest für versionierte Zustände. Parallel adressiert Caeves Technology die Migration großer Bestände in KI-zugängliche Formate, indem traditionelle Daten in Objektspeicher überführt werden, die sich für KI-Suchwerkzeuge indexieren lassen – mit dem Anspruch, Kosten um etwa 70 % zu senken.
Sicherheit und Betrieb rücken ebenfalls näher an die Performance-Story heran. NetApp und Cisco erweitern FlexPod-Architekturen um validierte Designs für Retrieval-Augmented Generation (RAG) und semantische Suche. Der relevante Punkt für Betreiber ist dabei weniger der Begriff „RAG“ an sich, sondern die automatisierten Sicherheitsreaktionen, die verdächtige Nutzer blockieren oder Volumes im Ernstfall offline nehmen können. In der Praxis bedeutet das: Storage- und Security-Controls werden so designt, dass sie nicht nur nachgelagert reagieren, sondern Betriebszustände aktiv steuern. Auch auf Hardware-Ebene tauchen neue NAS-Varianten auf, etwa Radxa mit DragonStation und DragonBay, um Flash- und HDD-Pfade getrennt bedienen zu können – ein Ansatz, der für KI-Teams interessant wird, wenn Datenklassifikation und Zugriffsmuster sauber segmentiert werden.
Der Blick in die Zukunft führt damit weg von „Protokollentscheidungen“ hin zu Architekturprinzipien. Erstens werden Metadaten und Datenpfad noch stärker getrennt behandelt, wie Lattice es für NFS sichtbar macht. Zweitens nimmt GPU-nahe Übertragung zu, wie Nutanix mit pNFS und GPUDirect Storage adressiert. Drittens wird die Cloud-Integration realistischer: FUSE-basierte Mechanismen bleiben nützlich, müssen aber hinsichtlich Buffering, Latenz und Dateigrößenprofilen kalibriert werden, oder man nutzt bewusst Tools und Migrationsstrategien, die die Overhead-Kosten drücken. Für Entwickler und Betreiber heißt das konkret: Performance-Regressionen entstehen leichter als früher, dafür eröffnen sich aber auch mehr Optimierungshebel. Wer heute Pipelining, Caching, Puffergrößen und Sicherheitszustände als gemeinsam steuerbare Variablen betrachtet, schafft die Grundlage für schnellere Trainingszyklen und belastbarere Deployments.
💳 Amazon-Kreditkarte mit 2.000 Euro Limit bestellen!
🔥 Heutige Hot Deals bei Amazon: Bis zu 80% Rabatte!
🎉 Amazon Haul-Store für absolute Schnäppchenjäger!
- ★ 23-stufiges KI-Go-Training – Für Spieler mit Grundkenntnissen der Regeln – Entwickelt als intelligenter Trainingspartner passt sich die KI Spielern von 18K bis 9D an. Ideal für alle, die die Grundregeln bereits beherrschen und ihr Spiel verbessern möchten.
- IHR EMOTIONALER AI-BEGLEITER: Eiliko ist mehr als nur ein Anhänger, es ist ein charismatischer KI-Freund. Mit einem dynamischen LED-Bildschirm, der eine Vielzahl von animierten Gesichtern und Ausdrucksformen anzeigt, reagiert er auf Ihre Interaktionen mit einzigartiger Persönlichkeit und Charme.
- 【MEHR LEBEN FÜR DEINEN SCHREIBTISCH】 Lerne Eilik kennen – deinen kleinen Roboter-Freund mit Persönlichkeit. Mit liebevollen Animationen, ausdrucksstarken Reaktionen und spielerischen Interaktionen bringt Eilik mehr Freude in deinen Alltag. Ob auf dem Schreibtisch, im Büro oder am Nachttisch – Eilik wird schnell zu einem vertrauten Begleiter für besondere Momente.
- 【XL-Größe für gedeihende Pflanzen】Geben Sie Ihren Pflanzen den Raum, den sie verdienen! Unser verbessertes, großes 13,7 cm großes Design bietet Platz für Pflanzen mit einem Durchmesser von bis zu 8,9 cm und damit deutlich mehr Platz für Wurzelwachstum und Pflanzengesundheit im Vergleich zu kleineren, veralteten Modellen. Die Produktabmessungen betragen 13,6 x 13,6 x 13,2 cm und das Gerät wiegt nur 355 g.
- V28 Update - JETZT MIT NEUEN FUNKTIONEN! Als Reaktion auf das Ladeproblem von Loona haben wir das automatische Aufladen 2.0 verbessert. Diese Optimierung hilft Loona, die Ladewege in verschiedenen Szenarien zu erkennen und anzupassen, um die Erfolgsquote beim automatischen Aufladen zu erhöhen. Mobile Hotspots können sich mit Loona verbinden und überwinden WLAN-Einschränkungen, sodass Sie jederzeit und überall mit Loona interagieren können.
- Die besten Bücher rund um KI & Robotik!
- Die besten KI-News kostenlos per eMail erhalten!
- Zur Startseite von IT BOLTWISE® für aktuelle KI-News!
- IT BOLTWISE® kostenlos auf Patreon unterstützen!
- Aktuelle KI-Jobs auf StepStone finden und bewerben!
- Künstliche Intelligenz: Dem Menschen überlegen – wie KI uns rettet und bedroht | Der Neurowissenschaftler, Psychiater und SPIEGEL-Bestsellerautor von »Digitale Demenz«
Du hast einen wertvollen Beitrag oder Kommentar zum Artikel "Lattice-Server und NVIDIA-NAS: Wie KI-Workloads NFS und SMB neu herausfordern" für unsere Leser?
#Sophos
#AmazonPrime
#Bestseller
Es werden alle Kommentare moderiert!
Für eine offene Diskussion behalten wir uns vor, jeden Kommentar zu löschen, der nicht direkt auf das Thema abzielt oder nur den Zweck hat, Leser oder Autoren herabzuwürdigen.
Wir möchten, dass respektvoll miteinander kommuniziert wird, so als ob die Diskussion mit real anwesenden Personen geführt wird. Dies machen wir für den Großteil unserer Leser, der sachlich und konstruktiv über ein Thema sprechen möchte.
Du willst nichts verpassen?
Du möchtest über ähnliche News und Beiträge wie "Lattice-Server und NVIDIA-NAS: Wie KI-Workloads NFS und SMB neu herausfordern" informiert werden? Neben der E-Mail-Benachrichtigung habt ihr auch die Möglichkeit, den Feed dieses Beitrags zu abonnieren. Wer natürlich alles lesen möchte, der sollte den RSS-Hauptfeed oder IT BOLTWISE® bei Google News wie auch bei Bing News abonnieren.
Nutze die Google-Suchmaschine für eine weitere Themenrecherche: »Lattice-Server und NVIDIA-NAS: Wie KI-Workloads NFS und SMB neu herausfordern« bei Google Deutschland suchen, bei Bing oder Google News!