Kontakt

Dateninfrastruktur
für Physical AI.

In BotRanch integriert.

Physical-AI-Workflows erfordern verknüpfte Szenen-Assets, Simulationsdaten und Felddaten. BotRanch bietet eine interne gemeinsame Datenebene für Asset-Caching, Simulations-Shards und Replay-Zugriffe. Ein RDMA-Speicherpool sowie POSIX- und Key-Value-Schnittstellen ermöglichen den Datenzugriff; Persistenz und Verfügbarkeit werden auf die Aufgabe abgestimmt.

AI TRAININGINFERENCESIMULATION Shared data layerSHARED MEMORY · RDMA NVMe / NODE 01NVMe / NODE 02NVMe / NODE 03
Schematische Darstellung der Datenarchitektur

Daten für jeden
Workflow gemeinsam nutzen.

Die Hochleistungs-Dateninfrastruktur ist eine interne Funktion von BotRanch. Zugriffspfade für Simulations-Assets, Trainingsdaten, Modellgewichte und Checkpoints werden bewertet; Schnittstellen und Bereitstellungsumfang werden je nach Szenario vereinbart.

RDMA-Datenpfad

Knoten über Remote Direct Memory Access verbinden, um auf Hot Data und Metadaten zuzugreifen.

NVMe-Kapazitätsebene

Häufig benötigte Daten aus dem Arbeitsspeicher bereitstellen und die Kapazität mit lokalem NVMe erweitern.

POSIX-/KV-Schnittstellen

Datei- und Key-Value-Schnittstellen unterstützen verschiedene Datenmodelle.

Datenschutzoptionen

Wählen Sie je nach Aufgabe Cache-Beschleunigung, persistente Speicherung oder Hochverfügbarkeitsbereitstellung.

Den Schutz wählen,
den Ihr Workload benötigt.

Die Konfiguration der internen BotRanch-Datenebene hängt davon ab, ob Daten wiederherstellbar sein müssen, dauerhaft gespeichert werden sollen oder ein automatisches Failover nötig ist. Die Konfiguration wird in der technischen Evaluierung bestätigt.

Gemeinsame Beschleunigungsebene für rekonstruierbare Daten.

Für Szenen-Assets, Modellgewichte, Trainings-Caches und temporäre Rechendaten. Quelldaten verbleiben in Objektspeicher, NAS oder einem anderen System und können nach einem Neustart erneut geladen werden.

NAnzahl der Knoten
POSIX / KVZugriffsschnittstellen
RekonstruierbarDatenrolle
  • RDMA-Speicherpool und One-Sided Reads
  • NVMe-Kapazitätsebene
  • Kein Write-Ahead-Log
  • Quelldaten nach Neustart erneut laden
Evaluierungsansatz ansehen

Cache-Beschleunigung garantiert keine Persistenz. Bewahren Sie wiederherstellbare Quelldaten auf; der Cache darf nicht die einzige Kopie sein.

FunktionCache-BeschleunigungPersistente SpeicherungHochverfügbarkeitsbereitstellung
RDMA-Speicherpool / NVMe-EbeneEnthaltenEnthaltenEnthalten
POSIX-/KV-SchnittstellenEnthaltenEnthaltenEnthalten
Write-Ahead-Log und Checkpoint—EnthaltenEnthalten
Asynchroner Standby und Failover——Enthalten
Anzahl der KnotenNN2N

Dies sind Architekturvarianten der Datenebene. Schnittstellenkompatibilität, Persistenzsemantik und Wiederherstellungsziele hängen von der Bereitstellungsumgebung und der technischen Evaluierung ab.

Architektur mit
realen Workloads evaluieren.

Bewerten Sie reale Daten, Zugriffsmuster und Bereitstellungsumgebungen. Vor den Tests werden Konfiguration und Abnahmekriterien vereinbart; vergleichbare Ergebnisse unterstützen die Bereitstellungsentscheidung.

Datenzugriff

Simulations-Assets, Modelle oder Checkpoints nutzen, um Durchsatz, Latenz und Metadatenverarbeitung zu beurteilen.

Parallele Skalierung

Knotenkonfigurationen und gemeinsame Workloads vergleichen; Ressourcennutzung, Skalierungseffizienz und Betriebskosten dokumentieren.

Wiederherstellung und Verfügbarkeit

Persistenzsemantik, Failover, Wiederherstellungszeit (RTO) und Datenverlustfenster (RPO) für die gewählte Konfiguration bewerten.

Den technischen Umfang
anhand realer Aufgaben definieren.

Wie wähle ich die Datenbereitstellungsoption?

Für erneut ladbare Daten kommt Cache-Beschleunigung infrage, für Daten, die Neustarts überstehen müssen, persistente Speicherung. Dienste mit automatischem Failover können hochverfügbar bereitgestellt werden. Definieren Sie Wiederherstellungszeit und zulässigen Datenverlust.

Wie sollte die Datenebene evaluiert werden?

Wählen Sie einen realen Workload mit Simulations-Assets, Checkpoints, Modell-Ladevorgängen oder Key-Value-Daten. Vergleichen Sie Aufgabendurchsatz, Wartezeiten, Ressourcennutzung und Kosten und dokumentieren Sie die Testbedingungen.

Welche Rolle spielt die Datenebene in BotRanch?

Die Hochleistungs-Dateninfrastruktur ist eine interne BotRanch-Funktion für Asset-Caching, gemeinsame Simulations-Shards und Replay-Zugriffe. Workflows verknüpfen Szenen, Aufgaben, Richtlinien und Nachweise. Die Datenkonfiguration folgt dem Pilotumfang; die Sicherheitssteuerung verbleibt bei den lokalen Steuerungen.

Gestalten Sie Ihren nächsten
Physical-AI-Workflow.

Sprechen Sie mit uns über BotRanch-Demonstrationen, Bereitstellungsanforderungen und Partnerschaften.

Kontakt aufnehmen