当谈及人工智能（AI）和机器学习（ML）时，人们不太会将开源基础设施即服务（IaaS）云平台OpenStack和其对象存储组件Swift与其联系在一起。然而，千亿美元级别的芯片和人工智能巨头Nvidia正是利用它们来推动其机器学习工作。
Nvidia首席系统软件工程师John Dickinson在最近的OpenInfra Summit上解释说，机器学习需要快速、稳健的存储解决方案。他表示：“随着人工智能和机器学习技术的兴起，作为存储提供者，我们的主要任务是尽可能快地为引擎提供尽可能多的数据。”为了满足不断增长的需求，存储解决方案必须具备高容量、可用性和聚合吞吐量。
结论：通过利用OpenStack Swift存储技术，Nvidia成功推动了其机器学习工作，为其提供了高吞吐量、大容量的存储能力，并提高了性能和工作负载的可移植性。Swift的优势在于其针对多租户和高并发设计的分布式对象存储系统，它通过简单的基于REST的API实现访问。Swift提供的高吞吐量和大容量满足了机器学习对于大规模数据集的需求，这些数据集远远超出了GPU内存或服务器闪存存储的容量。
Nvidia通过实施“内环”和“外环”两个关键概念来应对这些问题。内环具有高速、低延迟的特点，与特定的GPU集群相连，类似于面向最终用户的文件存储。而外环则提供大容量、高吞吐量和高可用性。对于外环存储，Nvidia使用了Swift，因为它非常适合大容量和高吞吐量的存储需求。
通过实施这些存储概念，Nvidia能够支持以前无法处理的大规模数据集，提高性能，并增加工作负载的可移植性。Swift还通过从外环进行一次读取来提供改进的I/O性能，并且每个计算集群都可以访问这些外环数据。此外，由于Swift支持许多标准API（如POSIX和NFS用于文件访问，S3、Azure和原生Swift用于对象访问），无论以何种方式访问数据集，使用者都能轻松处理这些数据。
除了提供内环和外环存储，Nvidia还意识到随着数据集的增长，数据探索的难度越来越大，因此他们创建了一个数据集服务，旨在简化这一过程。在现场演示中，Dickinson展示了这些存储服务如何促进大规模机器学习，突出了用户如何将数据集加载到Swift中，在Jupyter notebook中进行探索，并在不必担心访问存储细节的情况下运行机器学习任务。
这个现场演示给约750名OpenInfra用户带来了深刻的印象。技术人员很少会被演示所吸引，他们见过各种各样的演示，了解各种花招。但这次演示引起了他们的注意。OpenStack和Swift在处理大规模机器学习数据集的复杂工作中发挥了明确的作用。
