AI基础设施并非只会因计算资源受限而减速。当数据传输速度、一致性或可靠性不足，无法维持AI工作流运行时，基础设施同样会减速。对于模型训练、微调和检索增强生成（RAG），兼容S3的对象存储已成为关键基础。海量数据集存入对象存储，训练作业从中大规模读取数据，而RAG管道则依赖快速、可预测地访问持续变化的数据。
因此，存储与计算之间数据路径的可靠性、可扩展性和安全性成为生产环境中需要重点关注的问题。
AI需要更强大的数据路径
Dell ObjectScale专为AI规模的企业对象存储而设计，可帮助组织管理大规模数据收集、生成式AI训练和现代非结构化数据工作负载。但随着AI环境从试点项目转向生产，存储性能只是整个架构的一部分。企业还需要一个交付层，以优化流量、保持可用性、实施策略，并在环境承压时确保管道持续运行。
这正是F5 BIG-IP在AI数据交付中发挥的作用。
F5 BIG-IP为兼容S3的对象存储提供可编程的高性能控制点。它位于S3客户端与Dell ObjectScale等存储环境之间，可智能管理S3流量、抽象后端存储端点、监控运行状况，并根据可用性、性能和策略引导数据流。
对于架构师而言，这意味着应用和AI工作流可以继续与底层存储实现解耦。对于管理层而言，这意味着可以更可靠、更可控、更具韧性地运营AI基础设施。
“随着AI环境从试点项目转向生产应用，存储性能只是整体架构的一部分。企业还需要一个交付层，以优化流量、维持可用性、执行策略，并在环境承压时确保管道持续运行。”
SecureIQLab验证架构和结果
F5近期使用Dell ObjectScale存储完成了工程实验室测试，测试采用了F5 VELOS和BIG-IP，并搭配Dell ObjectScale S3集群。随后，SecureIQLab对测试结果进行了验证，相关结果现已在一份新的独立报告中发布。
测试重点关注企业架构师在AI存储前端部署交付层之前会提出的两个实际问题。
- 能否在不影响吞吐量的情况下将BIG-IP部署到S3数据路径中，并在网络条件不理想时改善吞吐量指标？
- 当存储环境处于不利条件下时，BIG-IP能否增强韧性？
这两个问题的答案都是肯定的。
BIG-IP保持了性能
许多存储产品买家认为，在高性能对象存储前端添加应用交付控制器会带来不可忽视的开销。架构师在数据路径中设置新的控制点之前，自然需要相关证据。
在整个测试范围内，包括3种对象大小（8 KiB、100 MiB、混合工作负载）和3种网络延迟条件（往返时间分别为0 ms、10 ms和75 ms），在每种测试组合中，BIG-IP吞吐量与未受保护的基准相比均保持在约±6%的范围内。通过适当调优的自定义TCP配置文件，插入BIG-IP后的性能表现可预测且一致，不会出现吞吐量骤降，而这类问题过去一直让架构师对在存储前端插入代理持谨慎态度。
实际意义在于：可以引入BIG-IP作为高价值控制点，而不会使其成为瓶颈。架构师可以采用BIG-IP的韧性和流量管理功能，而无需牺牲吞吐量。
更大的价值在于韧性
吞吐量不受影响是前提，韧性才是部署的理由。
经SecureIQLab验证的测试考察了两种与实际生产环境相对应的不利场景。
在模拟DDoS攻击以单个ObjectScale节点为目标时，未受保护的集群受到严重影响：受影响的节点开始出现连接耗尽，整个集群的ObjectScale管理UI无响应，工作负载生成器停止向节点发送流量。当数据路径中部署BIG-IP后，相同的攻击条件产生了不同的结果：BIG-IP吸收并管理连接级攻击流量，后端节点继续处理应用工作负载且未发生故障，ObjectScale管理UI也始终保持响应。
后端节点发生网络故障时，BIG-IP持续监控后端节点的可用性和连接运行状况。当某个节点的连接中断时，流量会动态重新分配到其余运行正常的节点，无需客户端干预。正在运行的S3工作负载继续运行，服务未中断。
对于AI基础设施团队而言，这正是架构层面更重要的考量。在生产环境中，数据路径必须能够应对真实的运行状况：节点会发生故障，网络性能会下降，流量会激增，攻击流量会与合法流量争夺资源，维护时段也可能与业务需求发生冲突。
如果没有专用控制点，这些事件可能导致训练任务停滞、RAG查询失败、GPU闲置，以及不可预测的用户体验。
生产环境中的AI需要控制点
BIG-IP通过为AI数据构建具有韧性的交付层，帮助应对这些风险。它可以监控存储运行状况，绕过不可用节点进行路由，保持服务连续性，并在存储集群变得不稳定之前实施流量控制。
它还提供了一个统一实施安全与治理措施的位置，包括TLS处理、DDoS缓解、支持S3感知的策略实施，以及未来的数据平面控制。这些控制有助于客户端获得可预测的背压，而不是随机超时。
对于部署AI存储集群的企业，这是一种实用的架构模式：将可扩展且兼容S3的对象存储与专为性能、策略和韧性而构建的智能交付层相结合。
AI领导者应关注的要点
对于AI负责人而言，其业务价值显而易见。弹性存储交付可降低运营风险。随着AI工作负载从实验阶段扩展到生产环境，可编程控制点能让团队更有信心。由于引入BIG-IP不会造成吞吐量损失，因此可在不牺牲性能的情况下获得弹性优势。
AI能否成功，不仅取决于模型，还取决于模型周围的系统。
下载SecureIQLab报告，查看F5 BIG-IP与Dell ObjectScale配合使用时经验证的结果，并了解F5如何帮助提升AI数据管道的速度和韧性，使其为生产环境做好准备。
此外，别忘了观看我们的网络研讨会“借助Dell基础设施提升AI性能”。
关于作者
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
Mark Menger是F5解决方案架构师，专注于AI和安全技术合作伙伴关系。他负责开发F5的AI参考架构，推动安全且可扩展的AI解决方案。Mark曾担任全球解决方案架构师和解决方案工程师，参与构建F5安全云架构，并共同开发其分布式四层架构。他是《Solving IT Complexity》的合著者，在应对IT挑战方面拥有丰富经验。此前，他曾担任应用开发人员和企业架构师，专注于现代应用、自动化，以及加快实现AI投资价值。
Mark Menger 的更多博客文章
Hunter Smit是F5解决方案与战略产品营销高级经理。他负责F5产品组合的解决方案营销工作，涵盖AI基础设施和应用安全，并推动F5进军新兴的AI数据交付市场。Hunter是Whitworth University商学院顾问委员会成员，并曾担任产品营销兼职讲师。他拥有Whitworth University工商管理硕士学位和管理学工商管理学士学位。
Hunter Smit 的更多博客文章相关博客文章
Thingbot正转变为攻击平台
Lori MacVittie重点介绍了F5 Labs对2018年1月至6月全球物联网设备攻击的研究，并指出了其中令人警醒的影响。物联网设备不仅持续遭到利用，还被转变为攻击平台，这意味着攻击者可以更充分地利用这个必然增长的市场。
借助F5全新Quick Start，在AWS上快速开展业务
在AWS re:Invent开幕前，我们很高兴与大家分享F5与AWS之间全新的Quick Start集成。F5的Tom Atkins将介绍该服务如何启动、配置和运行在AWS上部署工作负载所需的计算、网络、存储及其他AWS服务。