Tecnologia delle soluzioni
Suggerisci modifiche
PDF
Questa soluzione utilizza le seguenti tecnologie:
-
Quaderno AWS SageMaker. Offre funzionalità di apprendimento automatico a sviluppatori e data scientist per creare, addestrare e distribuire modelli di apprendimento automatico di alta qualità in modo efficiente.
-
* NetApp BlueXP.* Consente l'individuazione, la distribuzione e la gestione dello storage in locale, nonché su AWS, Azure e Google Cloud. Fornisce protezione dei dati contro la perdita di dati, le minacce informatiche e le interruzioni non pianificate e ottimizza l'archiviazione e l'infrastruttura dei dati.
-
* NetApp Cloud Volumes ONTAP.* Fornisce volumi di archiviazione di livello aziendale con protocolli NFS, SMB/CIFS, iSCSI e S3 su AWS, Azure e Google Cloud, offrendo agli utenti maggiore flessibilità nell'accesso e nella gestione dei propri dati nel cloud.
NetApp Cloud Volumes ONTAP creato da BlueXP per archiviare i dati ML.
La figura seguente mostra i componenti tecnici della soluzione.
Riepilogo del caso d'uso
Un potenziale caso d'uso per l'accesso tramite doppio protocollo NFS e S3 è nei campi dell'apprendimento automatico e della scienza dei dati. Ad esempio, un team di data scientist potrebbe lavorare a un progetto di apprendimento automatico utilizzando AWS SageMaker, che richiede l'accesso ai dati archiviati nel formato NFS. Tuttavia, potrebbe essere necessario accedere ai dati e condividerli tramite bucket S3 per collaborare con altri membri del team o per integrarli con altre applicazioni che utilizzano S3.
Utilizzando NetApp Cloud Volumes ONTAP, il team può archiviare i propri dati in un'unica posizione e renderli accessibili tramite i protocolli NFS e S3. Gli scienziati dei dati possono accedere ai dati in formato NFS direttamente da AWS SageMaker, mentre altri membri del team o applicazioni possono accedere agli stessi dati tramite bucket S3.
Questo approccio consente di accedere ai dati e di condividerli in modo semplice ed efficiente, senza la necessità di software aggiuntivo o di migrazione dei dati tra diverse soluzioni di archiviazione. Permette inoltre un flusso di lavoro più snello e una maggiore collaborazione tra i membri del team, con conseguente sviluppo più rapido ed efficace dei modelli di apprendimento automatico.