ویسٹرن ڈیجیٹل CPO: اب کے لیے فلیش، لمبے عرصے تک AI اسٹوریج کے لیے HDD

ChainCatcher کی رپورٹ کے مطابق، ویسٹرن ڈیجیٹل کے چیف پروڈکٹ آفیسر احمد شہاب نے ایک پوسٹ میں کہا کہ AI اسٹوریج کے مقابلے کا اصل مسئلہ صرف سب سے تیز میڈیم حاصل کرنا نہیں، بلکہ قابلِ برداشت لاگت پر کیپسیٹی کو مستقل طور پر بڑھانا ہے۔ ان کا خیال ہے کہ بہت سے اسٹرکچرز شروع میں اچھی طرح چلتے ہیں، لیکن جب ڈیٹا کا سائز کچھ پیٹا بائٹس سے بڑھ کر سینکڑوں پیٹا بائٹس یا ایگزابائٹس تک پہنچ جائے تو لاگت کنٹرول سے باہر نکل کر مسائل ظاہر ہو سکتے ہیں۔ فلاش میموری کا استعمال اعلیٰ پرفارمنس اور کم لیٹنسی والے سیناریوز جیسے ماڈل وزن، GPU آؤٹ فلو، KV کیش اور سیشن کنٹیکسٹ کے لیے مناسب ہے؛ جبکہ HDD کا استعمال ٹریننگ کارپس، لاگز، چیک پوائنٹس، کمپلائنس ریکارڈز، سنتھیٹک ڈیٹا اور انفرینس آؤٹ پٹ جیسے بڑے پیمانے پر، لمبے عرصے تک محفوظ رکھنے والے اور لاگت حساس ڈیٹا کے لیے زیادہ مناسب ہے۔ ان کا خلاصہ ہے: "فلاش میموری موجودہ وقت کو ہینڈل کرتی ہے، HDD پورے لائف سائکل کو ہینڈل کرتی ہے۔" AI کے بڑھتے پیمانے پر، اسٹوریج لاگت خود ایک اسٹرکچرل مسئلہ بن جاتی ہے۔ لمبے عرصے تک بڑھتے ہوئے ڈیٹا کو اعلیٰ پرفارمنس والے میڈیم پر محفوظ رکھنا، کمپوٹنگ، نیٹ ورک، بجلی اور انسانی وسائل جیسے بجٹ کو دباؤ میں ڈال دेतا ہے۔ بہت سارے بچھڑے اسٹوریج لوڈز کے لیے سوال یہ نہیں کہ فلاش میموری ڈیٹا محفوظ کر سکتی ہے یا نہیں، بلکہ صارفین کیا لمبے عرصے تک فلاش میموری کی مکمل لاگت برداشت کر سکتے ہیں؟ مستقبل میں AI اسٹوریج ایک منفرد تکنولوجی سے نہیں، بلکہ پرفارمنس، لاگت، طاقت کھپت، ڈینسٹی، قابلِ اعتمادی اور ڈیٹا لائف سائکل کے لحاظ سے لیرد بنائی جائے گی۔ انہوں نے زور دیا کہ یہ فلاش اور HDD کا مقابلہ نہیں، بلکہ مختلف ورک لوڈز کے لیے شروع سے ہی مناسب میڈیم منتخب کرنے کا مسئلہ ہے، ورنہ مقامات بڑھنے پر آپ کا اسٹرکچر آپ کی صنعت کی قابلِ استمرار صلاحیت کو متاثر کر سکتا ہے۔