AI存储平台的对标，NetApp推AI架构平台叫板Pure

NetApp和Nvidia合作推出了结合AI参考架构的系统，来与Pure Storage-Nvidia AIRI系统竞争。

该系统旨在深度学习，并且与思科和NetApp的融合基础架构FlexPod不同，它没有品牌名称。而且与AIRI也不同，因为它也没有自己的硬件盒子。

根据NetApp和Nvidia提供的技术白皮书，它是针对实际深度学习用例的可扩展AI基础设施设计：为NetApp A800全闪存存储阵列和Nvidia DGX-1 GPU服务器系统定义参考架构（reference architecture，简称RA）。

白皮书地址：https://www.netapp.com/us/media/wp-7267.pdf

topline RA支持单个A800阵列（高可用性配对配置），5 x DGX-1 GPU服务器连接2个Cisco Nexus 100GE交换机。而较慢的A700全闪存阵列RA支持40GE的4个DGX-1。

A800系统使用连接到DGX-1的100GE链路，该设备支持RDMA作为集群互连。A800可扩展到24节点集群和74.8PB。

据悉，它具有25GB/秒的读取带宽和500微秒以下的延迟。

NetApp Nvidia DL RA配置图

网络端口连接图

Pure Storage和Nvidia的AIRI有一个支持4个DGX-1的FlashBlade阵列。它的FlashBlade阵列提供17GB/秒的速度，提供超过3毫秒的延迟。这与NetApp/Nvidia RA系统相比似乎较慢，但A800是NetApp最快的全闪存阵列，而Pure的FlashBlade则更多地是容量优化的闪存阵列。

像Pure的AIRI Mini一样，NetApp Nvidia DL RA的规模从一台DGX-1开始扩展到五台。A800的原始容量通常为364.8TB。Pure的AIRI拥有533TB的原始闪存。

这里有一个AIRI RA文件，其配置图如下所示：

Pure Storage与Nvidia AIRI配置图

NetApp和Pure都运行其两个系统的基准测试，并且都包括使用合成数据NFS和批量64的Res-152和ResNet-50。

NetApp提供了图表和数字，而Pure只提供了图表，使得二者的比较变得困难。不过，我们可以通过将这些图表放在一起来做一个粗略的估计。由此产生的总体图表并不漂亮，但确实提供了一种比较方式：

NetApp和Pure Resnet性能对比

至少从这些图表可以看出，NetApp Nvidia RA的性能优于AIRI。