Cloud Storage Rapid：為AI和分析加速的物件儲存

Google Cloud 在 Next '26 大會上正式釋出了 Cloud Storage Rapid，這是一個專為資料密集型工作負載（如 AI 和資料分析）設計的高效能物件儲存系列。該系列包含兩個核心元件：Rapid Bucket（原 Rapid Storage）和 Rapid Cache（原 Anywhere Cache）。Rapid Bucket 是一種高可用性的區域物件儲存，而 Rapid Cache 則能按需加速讀取操作，並將計算資源與資料置於同一區域，從而最佳化工作負載效能。

Cloud Storage Rapid 的誕生源於 AI 時代對儲存效能的嚴苛需求。隨著企業訓練萬億引數模型、在全球範圍部署推理服務，以及構建能夠處理海量資料的自主代理，儲存系統成為了關鍵瓶頸。GPU 和 TPU 等加速器雖然備受關注，但它們的效率高度依賴儲存系統的效能。如果 AI/ML 叢集在資料讀取或檢查點寫入時出現延遲，昂貴的計算資源就會被浪費。

Rapid Bucket 利用 Google 的分散式儲存系統 Colossus（驅動 Gemini 和 YouTube 的底層技術），實現了巨大的讀寫效能和超低延遲。它提供亞毫秒級延遲，單區域桶可達 2000 萬次查詢/秒（QPS）和 15 TB/s 以上的聚合讀取吞吐量。新的語義特性，如原生追加、無限讀取器（寫入時也可讀取）和向量讀取，進一步提升了效能。測試顯示，Rapid Bucket 可將 GPU 阻塞時間減少 50%，資料載入速度提升 2.5 倍，檢查點恢復速度加快 5 倍，寫入速度提升 3.2 倍。

Rapid Cache 則專注於為現有儲存桶提供更高讀取頻寬，無需修改程式碼。在推理場景中，它可實現高達 2.1 倍的模型載入加速，並節省 47% 的總體擁有成本（TCO）。新推出的“寫入時攝取”功能，允許資料在寫入桶的同時同步寫入快取，從而消除首次讀取的快取未命中懲罰，使檢查點恢復速度提升 2.2 倍。該功能推出一年內，部署量增長了 20 倍，目前承載了 Cloud Storage 全球出口流量的 20%。前沿 AI/ML 客戶如 Anthropic 也在使用 Rapid Cache。

在案例分享中，Thinking Machines Lab 的技術人員 James Sun 介紹了他們如何透過 Rapid Cache 解決基礎設施挑戰。該公司的資料密集型工作負載（如 Dataflow、Kafka、Spark 以及多模型訓練）面臨樞紐-輻式資料架構管理和突發流量導致的 429 錯誤等問題。整合 Rapid Cache 後，他們實現了穩定的讀取吞吐量峰值超過 1.8TB/s，減少了尾延遲和 429 錯誤，並透過多區域桶實現了全叢集擴充套件，同時利用層級名稱空間（HNS）最佳化了 Spark 工作負載。

無論是資料準備、大規模訓練還是低延遲推理，Cloud Storage Rapid 都能提供高效能與可靠性的結合。Rapid Bucket 適用於對讀寫效能要求最高的場景，如分析、AI 訓練和模型服務；Rapid Cache 則適合需要更高讀取頻寬和穩定尾延遲的現有儲存桶。使用者可根據需求選擇合適的加速方案。