AI工作负载出现故障，并不只是因为模型性能不佳。当数据路径无法满足需求时，也会导致故障。随着企业扩大模型训练、微调和检索增强生成（RAG）的规模，存储与计算资源之间的数据传输已成为影响性能的关键制约因素。当网络延迟和抖动影响对象存储吞吐量时，模型流水线会变慢，GPU会处于闲置状态，基础设施成本也会随之上升。
因此，F5现公布一项新的独立性能验证结果，展示了F5 BIG-IP如何能够显著改善AI数据交付，适用于S3兼容存储环境。
独立验证显示，功能测试期间吞吐量有所提升
SecureIQLab已验证，F5 BIG-IP Local Traffic Manager (LTM)运行于F5 VELOS CX410机箱（配备2个BX520刀片），部署在MinIO集群前端后，在延迟和抖动条件下，吞吐量较基准流量最高提升332%。结果表明，随着网络受损程度加剧，在存储数据路径中引入可编程控制点的价值愈发显著。
这一点至关重要，因为当前大多数关于AI基础设施的讨论仍将计算和存储割裂开来。实际上，AI性能取决于整个系统。如果存储与计算之间的网络路径不稳定，即使性能强大的GPU集群也无法高效运行。对于构建AI工厂和大规模推理环境的架构师而言，必须将存储数据路径作为整体架构中需要严谨规划的一部分，而不能仅将其视为应用与对象存储之间的被动连接。
“SecureIQLab验证表明，部署在MinIO集群前端、运行于配备两块BX520刀片的F5 VELOS CX410机箱上的F5 BIG-IP LTM，在存在延迟和抖动的条件下，吞吐量提升最高可达332%。”
SecureIQLab报告评估了多种实际场景下与S3兼容的存储吞吐量，包括本地数据中心环境、SD-WAN条件，以及延迟最高达75 ms、抖动达5 ms的长距离网络。在延迟最高的场景下，F5持续实现了显著高于基准配置的吞吐量，体现了TCP代理、连接复用和流量优化对稳定对象传输的作用。测试还测量了原始加密和解密吞吐量；在配备两块BX520刀片的配置中，部署F5 VELOS CX410机箱并使用1 GB对象时，吞吐量达到173.65 Gbps。
除了吞吐量最高提升332%外，SecureIQLab性能验证报告还包含以下主要发现：
- 在低延迟企业SD-WAN场景（延迟10 ms，抖动2 ms）中，F5 VELOS将S3吞吐量从62.5 Gbps（未使用F5 VELOS时的性能）提升至121.7 Gbps，性能提升95%。
- 在低延迟宽带和VPN场景下（延迟为10 ms，抖动为5 ms），F5 VELOS将S3吞吐量从46.8 Gbps（未使用F5 VELOS时的性能）提升至119.6 Gbps，性能提升155%。
- 在高延迟多云骨干网场景下（延迟为75 ms，无抖动），F5 VELOS将S3吞吐量从10.9 Gbps（未使用F5 VELOS时的性能）提升至41.5 Gbps，性能提升了281%。
- 在高延迟、高波动性的边缘场景中（延迟为75 ms，抖动为5 ms），F5 VELOS将S3吞吐量从9.6 Gbps（未使用F5 VELOS时的性能）提升至40.1 Gbps，性能提升316%。
- 在高延迟SD-WAN多云场景（延迟75 ms，抖动2 ms）中，F5 VELOS将S3吞吐量从9.5 Gbps（未使用F5 VELOS时的性能）提升至41.2 Gbps，性能提升332%。
延迟是限制S3兼容存储吞吐量的主要因素
S3兼容存储客户端与存储节点之间的延迟对吞吐量的影响远超预期。例如，基准测试结果显示，延迟为10 ms时，吞吐量降至延迟为0 ms时基准吞吐量的约60%。基准测试结果还显示，延迟为75 ms时，吞吐量降至延迟为0 ms时基准吞吐量的约8.25%。
尽管F5原本预计，与延迟相比，抖动对吞吐量的相对影响更大，但实际情况恰恰相反。事实上，对于S3客户端与存储节点之间的吞吐量，延迟的影响大于抖动。
由BIG-IP LTM充当代理的F5 VELOS可优化兼容S3的存储客户端与存储节点之间的流量，使实际网络中的吞吐量提升幅度远高于验证之初的预期。
数据交付是AI架构的基础
对于业务和技术领导者而言，结论很明确：AI基础设施的性能不再只是计算或存储问题，而是数据交付问题。作为F5 Application Delivery and Security Platform (ADSP)的一部分，F5 BIG-IP为摄取用于AI模型训练、微调和RAG工作流的数据集提供了可扩展、安全且高性能的入口。F5将智能流量管理、策略驱动型控制和弹性故障转移相结合，帮助提高AI管道的可预测性、可治理性和效率。
这一价值体现在三项架构优势上。
首先，F5通过调整和优化海量数据集在存储与计算基础设施之间的传输，改善分布式数据传输。其次，F5支持松耦合并增强端点韧性，帮助组织在存储架构演进过程中保持性能和灵活性。第三，F5将可编程流量管理引入AI数据路径，使团队能够在以往可见性有限的环节应用策略、可观测性和控制措施。
最终，这有助于组织充分提升AI基础设施投资回报，同时确保系统不仅能在理想的实验室环境中运行，还能在实际条件下保持可靠性能。这也表明行业正在发生更广泛的转变：应用交付原则正逐渐成为现代AI基础设施设计的基础。
下载完整的SecureIQLab报告
阅读完整的SecureIQLab性能验证报告。报告详细介绍了这些发现所依据的方法、拓扑和结果，帮助您了解F5如何优化和稳定AI数据交付并实现扩展，以支持MinIO及其他兼容S3的存储环境。
F5对AI的关注不止于此，全面了解F5交付和保护AI应用的各种方式。
关于作者
Florin Meilescu是F5高级首席软件工程师兼测试架构师，担任BIG-IP解决方案测试架构师，负责硬件、软件平台和公有云环境。他在应用交付控制器（ADC）市场拥有20多年的经验，其中包括在Citrix NetScaler的工作经历。他精通L2至L7协议及承载这些协议的系统，涵盖Linux服务器以及他职业生涯早期支持的网络设备。Florin拥有布加勒斯特理工大学工程学学士学位。
Florin Meilescu 的更多博客文章
Paul Pindell是F5首席架构师，负责技术联盟工作，并统筹F5产品组合的技术合作伙伴关系。自2019年以来，他还在公司战略计划中发挥了关键作用，包括协助启动F5首个创新项目。Paul曾领导F5的AI战略专项团队，重点明确F5现有产品如何帮助保护和交付AI应用。此后，他协助制定了F5 AI参考架构，概述支持AI应用交付与安全所需的核心构建模块、挑战、风险和合作伙伴解决方案。Paul经常在行业活动中发表主题演讲和分会场演讲，包括OPI Summit、OCP Global Summit、Intel InnovatiON、Open Source Summit、Red Hat Tech Exchange，以及在美国和欧洲、中东及非洲地区举办的多届VMworld大会。他还是多个开源项目的创始人和维护者，担任Open Programmable Infrastructure Project外联委员会主席，并曾负责Symantec防病毒响应数据中心和安全软件测试实验室的数据中心运营。
Paul Pindell 的更多博客文章相关博客文章
三家企业如何借助AI驱动的WAF改进虚拟补丁和运行时安全
了解三家F5客户如何利用AI驱动的WAF加快虚拟补丁部署、将误报减少50%以上，并更有信心地启用阻断模式。
F5 BIG-IP v21.0增强S3工作流的AI数据交付与摄取能力
使用F5 BIG-IP 21.0版优化S3工作流：通过低接触式配置，为AI数据交付、对象存储和RAG管道提供可扩展的安全解决方案。
Everest Group报告：生成式AI行业应用的当前趋势与未来前景
我们很高兴能为全球知名研究机构Everest Group发布的一份重要新报告作出积极贡献。该报告题为《生成式AI应用：审视横向职能中的实际应用与未来展望》，深入分析了各行业对生成式AI（GenAI）的应用情况。报告指出，IT［……］