DeepSeek释放3FS和Shmperpond框架

• 快速启动：3FS和Smermpond
• >故障排除和监视
• 摘要
> fire-flyer文件系统（3FS）
• 3FS是为现代SSD和RDMA网络构建的高性能，分布式文件系统。 它提供了强大的共享存储解决方案，简化了分布式应用程序开发。
理解RDMA

远程直接内存访问（RDMA）绕过操作系统限制，从而在两台计算机的内存之间启用直接数据传输。这会导致更快，更有效的沟通。

键3FS功能

• >无与伦比的性能和易用性：>
  6.6 tib/s骨料读取吞吐量（180节点群集）。
  • 3.66 tib/min吞吐量在Graysort基准（25节点群集）上。
  • > 40 GIB/S峰值吞吐量每个客户端节点for Kvcache查找。
>分解架构：
• 将数千个SSD的吞吐量与数百个存储节点的网络带宽结合在一起。
  >为应用程序提供了局部性的存储访问。>
  鲁棒一致性：
• >使用分配查询（CRAQ）采用链复制，以实现强大的一致性，简化了应用程序编码。
  标准文件接口：
• >使用基于交易键值商店的无状态元数据服务（例如FoundationDB）。 维护熟悉的文件接口，消除了对新API学习的需求。
  >支持的工作负载
数据制备：

> dataLoader：
• >启用跨计算节点训练样本的随机访问，消除预摘要或数据集随机改组。
>检查点：
• 支持大规模训练的高通量平行检查点。 推理的
kvcache：
• 提供了具有成本效益的高通量替代基于DRAM的基于DRAM的替代品，其容量显着增加。 >性能基准
• 广泛的测试验证了3FS性能。 大型集群的读取压力测试即使在同时进行培训工作流量。 Shmperpond Framework 天文，旨在补充3FS，是一个轻巧的分布式数据处理框架。它使用DuckDB作为计算引擎，并在分布式文件系统（例如3FS）上以镶木格式存储数据。。
钥匙太理庞德特征

高性能： duckdb提供了用于有效数据处理的本地级别性能。>

可伸缩性：

由于缺乏长期服务或复杂的依赖性而易于部署和维护。>>>>>>

有效的数据处理：分类大数据集的两相方法可提高性能和效率（例如，在30分钟内的8,192个分区中排序110.5 TIB）。
• 无缝3FS集成：利用3FS的高吞吐量和强大的一致性。
• 快速启动：3FS和Smermpond 3fs安装
• 克隆存储库并安装依赖项：
  1. git clone https://github.com/deepseek-ai/3fs
  2. cd 3fs
  3. git submodule update --init --recursive
  4. ./patches/apply.sh

  请咨询3FS文档以获取更多详细信息。

  天短快速启动

  • 确保安装Python 3.8。

  • >安装Skermpond：

    pip install smallpond

  • 初始化天简会：

    import smallpond; sp = smallpond.init()

  • >加载镶木木：

    df = sp.read_parquet("path/to/dataset/*.parquet")>

  • 重新分配数据（示例）：
    • df = df.repartition(3)
    • df = df.repartition(3, by_row=True)
    • df = df.repartition(3, hash_by="host")
  • 变换数据（示例）：
    • df = df.map('a b as c')
    • df = df.map(lambda row: {'c': row['a'] row['b']})
  • 保存数据：

    df.write_parquet("path/to/output/dataset.parquet")

  • 跑步的工作：

    sp.run(df)

  >故障排除和监视

  Smallpond提供监视和调试工具。日志分析有助于解决执行问题。 可以通过官方支持渠道获得全面的文档，教程和用例。

  摘要
  > 3FS和Smermpond的开源释放代表了数据处理的重大进步。他们的高性能，易用性以及一致性增强了开发人员和研究人员的能力。 这些工具为现代，数据密集型应用程序提供了强大的基础架构。