NetApp memperkenalkan Novus, arsitektur penyimpanan yang dirancang untuk mendukung operasional AI factory berskala besar. Solusi ini menyasar penyedia infrastruktur AI, termasuk perusahaan neocloud dan layanan GPU-as-a-Service, yang membutuhkan pasokan data berkecepatan tinggi untuk menjalankan beban kerja kecerdasan buatan.
Menurut NetApp, salah satu tantangan dalam pembangunan AI factory adalah kemampuan sistem penyimpanan memasok data secara konsisten ke GPU. Ketika pasokan data tidak mencukupi, pemanfaatan GPU dapat turun di bawah 30 persen. Kondisi tersebut berpotensi meningkatkan biaya operasional karena infrastruktur komputasi yang mahal tidak digunakan secara optimal.
Melalui Novus, NetApp menargetkan throughput agregat lebih dari 100 TB per detik. Namun, angka tersebut merupakan kemampuan yang dituju oleh arsitektur ini, bukan jaminan bahwa setiap penerapan akan langsung mencapai performa serupa. Hasil akhirnya tetap bergantung pada konfigurasi infrastruktur dan kebutuhan beban kerja.
Baca Juga: ChatGPT dan Gemini Palsu Dipakai untuk Curi Password serta Kode MFA
Pisahkan Metadata untuk Mengurangi Hambatan Penyimpanan
NetApp Novus menggunakan pendekatan yang memisahkan pengelolaan metadata dari jalur data. Dengan desain ini, performa, kapasitas, dan konkurensi dapat ditingkatkan secara independen dalam satu namespace melalui protokol NFS. Pendekatan tersebut ditujukan untuk menangani pertumbuhan dataset AI tanpa harus membagi penyimpanan menjadi banyak sistem terpisah.
Pada tahap awal, Novus menggabungkan NetApp Novus Data Director yang berjalan pada infrastruktur Supermicro terkualifikasi dengan layanan data NetApp ONTAP melalui sistem AFF A90. NetApp menyatakan arsitektur tersebut dapat dipesan saat ini dan dirancang untuk lingkungan cloud serta multi-tenant. Perusahaan juga menyiapkan jalur menuju implementasi berbasis perangkat lunak pada masa mendatang.
Skalabilitas Jadi Fokus, Efektivitas Tetap Perlu Diuji
NetApp mengklaim Novus dapat membantu operator meningkatkan pemanfaatan GPU sekaligus mengurangi kebutuhan ruang, daya, dan infrastruktur tambahan. Kemampuan meningkatkan kapasitas serta bandwidth secara terpisah juga berpotensi membantu penyedia layanan menyesuaikan sumber daya dengan kebutuhan masing-masing beban kerja.
Meski demikian, klaim performanya perlu dilihat dalam konteks pengujian dan penerapan nyata. Omdia menyebut pengujiannya menunjukkan skalabilitas yang mendekati linear dan memproyeksikan kemampuan baca sekuensial hingga 100 TBps dengan kapasitas efektif puluhan exabyte atau lebih. Angka tersebut merupakan proyeksi berdasarkan pemodelan, bukan hasil yang otomatis berlaku untuk semua konfigurasi. Bagi penyedia AI, manfaat Novus pada akhirnya akan ditentukan oleh kemampuan meningkatkan efisiensi GPU tanpa menambah kompleksitas dan biaya operasional secara berlebihan.
Eksplorasi konten lain dari Gizmologi.id
Berlangganan untuk dapatkan pos terbaru lewat email.
