RDMA 데이터 경로
원격 직접 메모리 접근을 통해 노드를 연결하고 핫 데이터와 메타데이터에 접근합니다.
Physical AI 워크플로에는 장면 자산, 시뮬레이션 데이터, 현장 기록 간의 연결이 필요합니다. BotRanch는 자산 캐싱, 시뮬레이션 샤드, 현장 기록 접근을 위한 내부 공유 데이터 계층을 갖추고 있습니다. RDMA 메모리 풀과 POSIX 및 키-값 인터페이스로 데이터 접근을 지원하며, 작업에 맞게 영속성과 가용성을 설정합니다.
고성능 데이터 인프라는 BotRanch의 내부 기능입니다. 시뮬레이션 자산, 학습 데이터, 모델 가중치, 체크포인트 등의 접근 경로를 평가하고 실제 환경에 맞춰 인터페이스와 배포 범위를 합의합니다.
원격 직접 메모리 접근을 통해 노드를 연결하고 핫 데이터와 메타데이터에 접근합니다.
핫 데이터는 메모리에서 제공하고 로컬 NVMe로 용량을 확장합니다.
파일 및 키-값 인터페이스로 서로 다른 데이터 모델을 지원합니다.
작업에 따라 캐시 가속, 영속 스토리지, 고가용성 구성을 선택합니다.
BotRanch 내부 데이터 계층의 배포 방식은 데이터를 재구축할 수 있는지, 영속성이 필요한지, 자동 장애 조치가 필요한지에 따라 달라집니다. 기술 평가 과정에서 구성을 확정합니다.
장면 자산, 모델 가중치, 학습 캐시, 임시 연산 데이터에 적합합니다. 원본 데이터를 오브젝트 스토리지나 NAS 등에 보관하여 재시작 후 다시 불러올 수 있도록 합니다.
캐시 가속은 영속성을 보장하지 않습니다. 복구 가능한 원본 데이터를 보관하고 캐시를 유일한 사본으로 사용하지 마세요.
| 기능 | 캐시 가속 | 영속 스토리지 | 고가용성 배포 |
|---|---|---|---|
| RDMA 메모리 풀 / NVMe 계층 | 지원 | 지원 | 지원 |
| POSIX / KV 인터페이스 | 지원 | 지원 | 지원 |
| 미리 쓰기 로그 및 체크포인트 | — | 지원 | 지원 |
| 비동기 대기 노드 및 장애 조치 | — | — | 지원 |
| 노드 수 | N | N | 2N |
데이터 계층의 아키텍처 옵션입니다. 인터페이스 호환성, 영속성 의미론, 복구 목표는 배포 환경과 기술 평가 결과에 따라 결정됩니다.
실제 데이터, 접근 패턴, 배포 환경을 평가합니다. 시험 전에 구성과 인수 기준을 합의하고 비교 가능한 결과를 기록해 배포 결정을 지원합니다.
시뮬레이션 자산, 모델, 체크포인트 등을 사용해 처리량, 지연 시간, 메타데이터 처리를 평가합니다.
노드 구성과 공유 워크로드를 비교해 자원 사용량, 확장 효율, 운영 비용을 기록합니다.
선택한 구성에 대해 영속성 의미론, 장애 조치, 복구 시간 목표(RTO), 데이터 손실 허용 범위(RPO)를 평가합니다.
다른 곳에서 다시 로드할 수 있는 데이터에는 캐시 가속, 재시작 후에도 유지해야 하는 데이터에는 영속 스토리지, 자동 장애 조치가 필요한 서비스에는 고가용성 구성을 고려하세요. 복구 시간과 허용 가능한 데이터 손실 범위도 정해야 합니다.
실제 시뮬레이션 자산, 체크포인트, 모델 로딩, 키-값 워크로드를 선택하세요. 시험 조건을 기록하면서 처리량, 대기 시간, 자원 사용량, 비용을 비교합니다.
고성능 데이터 인프라는 자산 캐싱, 시뮬레이션 샤드 공유, 현장 기록 접근을 지원하는 BotRanch의 내부 기능입니다. 워크플로는 장면, 작업, 정책 및 검증 근거를 연결합니다. 데이터 구성은 시범 프로젝트의 범위에 따라 정하며 안전 제어는 현장 제어기가 담당합니다.
BotRanch 시연, 배포 요구 사항, 파트너십 기회를 논의하세요.