专题演讲嘉宾：常亮

随着人工智能业务的迅速发展，AI 模型训练所需的数据规模不断扩大，应用场景也逐步从云下延伸至云上。这给作为 AI 基础设施的分布式文件存储平台 CubeFS 带来了新的挑战。为应对这些挑战，CubeFS 加强了多协议接入能力，以满足多样生态数据的统一入湖和存算分离需求。同时，创新性地采用数据生命周期技术，实现智能数据分层调度，降低成本并提升效率，极大扩展了数据调度和整合的应用场景。最后，为解决云上对私有云存储的访问延时等问题，CubeFS 实现了分布式缓存和 RDMA 加速技术，构建了全链路的多维度 AI 加速解决方案。

演讲提纲

1. AI 数据存储的特点

2. AI 存储在混合云场景下面临的技术挑战

3. CubeFS 支撑 AI 存储的技术要点与实践

• 多协议接入数据兼容技术，支持 AI 场景下多渠道将数据入湖
• 混合云存储技术，数据智能分层，有效降低存储成本
• RDMA 全链路加速技术的设计思考和工程实践
• 分布式缓存技术，支持基于云端算力训练时数据的时延需求
• AI 框架插件预加载的技术原理

4. 面向 AI 存储构建下一代混合云存储的方案

演讲亮点

• 分布式存储的混合云技术，实现数据分层流动、云上云下调度，数据碎片整理等
• 全栈加速能力建设实战，读写全链路 RDMA 能力改造，分布式缓存对云端 AI 算力的支持

实践痛点

老架构复杂度增加，是否重构还是在原有基础上构建的 tradeoff

听众收益

• 了解支撑 AI 数据存储的特点和难点
• 了解分布式存储平台的架构要点和面向 AI 等场景的解决方案
• 分布式文件系统的演进过程与在 AI 时代的思考