クラウド アーキテクチャは厳格ですか? 無限の柔軟性を備えた構築。
注: これは、Rediacc がこの問題をどのように解決できるかを示す 使用例 です。 スタートアップとして、これらのシナリオは、完成したケーススタディではなく、潜在的なアプリケーションを表します。
危機シナリオ: AI トレーニング時間が 2 ～ 3 倍延長され、プロジェクトに遅れが生じます。 エンジニアはリソースを待っている間に生産性が大幅に低下し、会社の競争上の優位性が脅かされました。
＃＃ 問題
同社のソフトウェア エンジニアは、AI モデル トレーニングに使用されるオンプレミス サーバーでパフォーマンスの問題を経験しています。
- 営業時間 (08:00 ～ 17:00) の間、サーバー リクエストは 99% のキャパシティに達します
- 高い処理能力を必要とするトレーニングではハードウェアが不十分になります
解決策の検索:
- 毎日 6 ～ 7 時間使用するため、サーバーのアップグレード コストは 適切とは考えられません
- クラウドへの移行が検討されているが、データ転送コストと同期の難しさが障害となっている
危機の影響
- AI トレーニング時間 2 ～ 3 倍延長、プロジェクトは遅延
- エンジニアはリソースを待っている間に 生産性の低下 を経験します
- 会社は 競争上の優位性を徐々に失うというリスクに直面しています
Rediacc ソリューション
システム エンジニアの Yüksel は、Rediacc を使用して ハイブリッド モデル を開発します。
1. インスタントクラウド移行
- 営業時間中、オンプレミス サービスは すべてのデータと構成とともにクラウドに複製されます
- Rediacc のおかげで 変更された部分のみを転送することで、100 TB のデータが 9 分で同期されます
2. 動的スケーリング
- クラウド環境のサーバーは AI トレーニングに必要なだけレンタル
- 需要に応じて処理能力を 10 倍に高めることができます
3. 夜間同期
- 勤務時間の終わりに、クラウド内のすべての変更が自動的にオンプレミス環境にプルされます
- 夜間に働くエンジニアは 最新のデータを使用して業務を継続します
＃＃ 結果
コストの利点:
- クラウド リソースを時間単位でレンタルすることで、月額コストが 60% 削減されました
- オンプレミス サーバーをアップグレードする必要性が 不要になりました
パフォーマンスの向上:
- AI のトレーニング時間が 8 時間から 1.5 時間に短縮されました
- エンジニアの生産性が 40% 向上
柔軟な働き方:
- クラウド環境とオンプレミス環境間のデータの一貫性がシームレスに確保されました
- 夜勤中のチームは 最新のデータに即座にアクセスできました