在当今数字化时代，人工智能（AI）正以其前所未有的速度重塑着我们的世界。从医疗、教育到金融、制造业，AI 的应用正不断拓展，成为推动创新和增长的关键力量。随着 AI 技术的不断进步，尤其是大模型的发展，对数据存储和管理的需求也日益增长。这些大模型需要处理和存储海量数据，对存储系统的性能、可扩展性和成本效益提出了新的挑战。
XSKY 星辰天合受邀将于 10 月 23 日（下周三）晚 7 点参加 JuiceFS Meetup，与您共同探讨 AI 时代下的存储解决方案。
话题一：XEOS & JuiceFS
面向私有云和混合云的大模型存储方案
对象存储作为一种高度可扩展、成本效益高的存储解决方案，已成为构建 AI 数据湖的理想选择。它以高度可扩展性和成本效益著称，能够高效处理 AI 训练所需的大量非结构化数据，如图片和视频，同时提供数据共享、持久化和高可靠性。此外，对象存储的云原生特性使其成为多云和混合云环境中的理想选择，为 AI 项目的数据管理和分析提供了灵活性和便捷性。
近日，JuiceFS 与 XSKY XEOS 对象存储完成了互相兼容的认证，为企业带来一个性能更高、成本更低、更加灵活的大模型私有化部署方案。
分享大纲
AI 存储的挑战 & 联合解决方案
对象存储选型 & XEOS 优势特性
XEOS 对比 MinIO、Ceph
单桶千亿
强大的生命周期能力
大规模运营经验
小文件加速
案例
头部大模型
智算中心
关于讲师
邹博引
XSKY 对象存储产品总监
话题二：JuiceFS Roadmap
JuiceFS 社区版和企业版每年都会发布一次大的版本更新。随着 AI 行业的快速发展，许多前沿技术场景对存储系统提出了更高的要求。最近走访了社区版和企业版的多位用户，基于用户们的反馈，制定了初步的研发计划。
分享大纲
JuiceFS 社区版 v1.3 Roadmap
支持 Ranger
新增 SDK 支持：Python && Go
插件化架构，动态加载对象存储支持组件（Ceph 和 Gluster）
高效的备份格式
企业版 v5.2 Roadmap
分布式缓存性能优化
热点分区自动均衡
高性能 FUSE 优化
系统流控优化
关于讲师
黄杰烽
JuiceFS 系统工程师，多年分布式存储研发经验
话题三：好未来：多云环境下
基于 JuiceFS 建设低运维的模型仓库
好未来，前身学而思，于 2010 年在美国纽约证券交易所上市。公司积极将大模型研究应用于教学产品中，近期推出了数学领域的千亿级大模型。
好未来的基础平台需要管理模型的生产、测试以及应用的整个过程，数据需要在多个团队之间流转。于此同时，平台在多云和私有云环境中运行训推集群，这些环境采用不同数据资产管理方式，包括 NFS、Ceph、PFS 和 OSS 。由此带来了复杂的数据管理工作，需多名开发者和运维人员反复核对，增加了数据丢失或泄露的风险。随着 AI 业务的发展，模型的体积和数量不断膨胀，现有的管理模式将对生产和运维构成严峻挑战。
为解决这些问题，团队基于 JuiceFS 开发了一个模型仓库，支持用户从各个云环境上传并统一管理模型。一个上百 GB 的大模型仅需 10 分钟即可上传，且显著降低了运维投入。通过 JuiceFS CSI 组件，好未来将模型仓库挂载到各个集群中，数据的挂载配置只需 1 分钟，使得部署 AI 应用变得更加容易。此外，通过实施权限控制、克隆备份等策略，有效减少了用户误操作的损失并提高了数据安全性。目前好未来在多云多地部署了两套元数据和数据仓库；对象存储的使用量达 6TB，存储超过 100 个模型。
分享大纲
大模型背景下模型仓库的挑战是什么？
区别于镜像仓库，为什么需要模型仓库？
训推场景下对模型仓库的要求有哪些？
如何分发百 GB 的模型到不同云？
混合云架构下，如何在成本、性能、稳定性之间做好取舍？
模型仓库存储系统的选型与思考
CephFS vs GPFS vs OSS vs JuiceFS
好未来模型仓库的技术实践方案
训推过程中模型仓库读写设计
模型仓库上传与下载的设计
未来准备拓展的应用场景：
多云之间按需同步
分布式 cache 进一步加
关于讲师
贺龙华
好未来云原生负责人，多年云原生基础平台研发、大规模应用PaaS系统经验，曾就职于百度基础架构部。
立即预约
议程
19:00-20:15
Talk1 - JuiceFS Roadmap
黄杰烽，Juicedata 系统工程师
Talk2 - 好未来：多云环境下基于 JuiceFS 建设低运维的模型仓库
贺龙华，好未来云原生负责人
Talk3 - XEOS & JuiceFS：面向私有云和混合云的大模型存储方案
邹博引，XSKY 对象存储产品总监
更多活动资讯，
关注XSKY星辰天合服务号
热门跟贴