Tecnología de soluciones
Esta solución utiliza las siguientes tecnologías:
-
Cuaderno de AWS SageMaker. Ofrece capacidades de aprendizaje automático a desarrolladores y científicos de datos para crear, entrenar e implementar modelos de aprendizaje automático de alta calidad de manera eficiente.
-
NetApp Console. Ofrece un único plano de control para el descubrimiento, la puesta en marcha y la operación del almacenamiento tanto on-premises como en AWS, Azure y Google Cloud. Proporciona protección de datos frente a pérdidas de datos, ciberamenazas y caídas imprevistas, y optimiza el almacenamiento de datos y la infraestructura.
-
* Cloud Volumes ONTAP de NetApp ONTAP.* Proporciona volúmenes de almacenamiento de nivel empresarial con protocolos NFS, SMB/CIFS, iSCSI y S3 en AWS, Azure y Google Cloud, lo que brinda a los usuarios mayor flexibilidad para acceder y administrar sus datos en la nube.
NetApp Cloud Volumes ONTAP creado desde NetApp Console para almacenar datos de ML.
La siguiente figura muestra los componentes técnicos de la solución.

Resumen del caso de uso
Un caso de uso potencial para el acceso mediante protocolo dual de NFS y S3 se encuentra en los campos del aprendizaje automático y la ciencia de datos. Por ejemplo, un equipo de científicos de datos podría estar trabajando en un proyecto de aprendizaje automático utilizando AWS SageMaker, que requiere acceso a datos almacenados en formato NFS. Sin embargo, es posible que también sea necesario acceder a los datos y compartirlos a través de buckets S3 para colaborar con otros miembros del equipo o para integrarlos con otras aplicaciones que usan S3.
Al utilizar NetApp Cloud Volumes ONTAP, el equipo puede almacenar sus datos en una única ubicación y tenerlos accesibles con los protocolos NFS y S3. Los científicos de datos pueden acceder a los datos en formato NFS directamente desde AWS SageMaker, mientras que otros miembros del equipo o aplicaciones pueden acceder a los mismos datos a través de buckets S3.
Este enfoque permite acceder a los datos y compartirlos de forma fácil y eficiente sin necesidad de software adicional ni migración de datos entre diferentes soluciones de almacenamiento. También permite un flujo de trabajo más optimizado y la colaboración entre los miembros del equipo, lo que resulta en un desarrollo más rápido y efectivo de modelos de aprendizaje automático.