По сообщению NVIDIA Developer, приложения на GPU обрабатывают постоянно растущие объемы данных с использованием все более мощных ускорителей. Согласно Индексу ИИ Стэнфордского университета за 2025 год, вычислительные мощности для заметных моделей ИИ удваиваются примерно каждые пять месяцев, в то время как объемы данных, используемых для обучения языковых моделей, удваиваются примерно каждые восемь месяцев. С ростом вычислений и данных становится необходимым эффективно перемещать данные из хранилищ, чтобы обеспечить работу ускорителей. NVIDIA Magnum IO GPUDirect Storage (GDS) решает эту задачу, позволяя организовать прямой путь данных между поддерживаемым хранилищем и памятью GPU. Это позволяет избежать ненужной промежуточной передачи через память CPU и снижает общую загрузку процессора в системе. GDS поддерживается растущей экосистемой, в которую входят многие крупные поставщики хранилищ. На уровне приложений Python играет центральную роль в современном развитии ИИ. По состоянию на август 2025 года почти половина всех новых проектов ИИ на GitHub была создана преимущественно на Python, в то время как основным интерфейсом для работы с GDS является C API cuFile. NVIDIA KvikIO, библиотека на Python и C++ для высокопроизводительного ввода-вывода, соединяет эти два уровня. Она предоставляет высокоуровневые интерфейсы на Python и C++, а также дополнительные средства управления тем, как выполняются запросы ввода-вывода. В этом посте представлен учебник, в котором объясняется, как использовать Python API NVIDIA KvikIO для настройки ввода-вывода, загрузки данных в память GPU и проверки активации ускоренного пути внутри GDS. Также показывается, как проверить настройки KvikIO и cuFile, которые влияют на путь, по которому проходит каждая операция. Как же NVIDIA KvikIO использует GDS? GDS — это более широкая технология, которая позволяет ускоренно перемещать данные между поддерживаемым хранилищем и памятью GPU. Для файловых систем cuFile предоставляет библиотеку C и API, через которые приложения и фреймворки получают доступ к GDS. KvikIO находится выше cuFile, предоставляя более высокоуровневые интерфейсы на Python и C++, а также свои собственные средства управления тем, как выполняются запросы ввода-вывода. Учебник включает несколько шагов, начиная с настройки NVIDIA KvikIO и проверки конфигурации, а также чтения файла в память GPU. Для выполнения этого учебника потребуется система на Linux с установленным NVIDIA GPU и GPUDirect Storage, а также поддерживаемая конфигурация хранилища и файловой системы. В процессе выполнения учебника также будут рассмотрены различные настройки, которые могут быть изменены для оптимизации ввода-вывода. Ключевым моментом является то, что KvikIO и cuFile принимают отдельные решения. KvikIO выбирает, следует ли вызывать cuFile, в то время как cuFile определяет окончательный путь передачи и стратегию выполнения. Понимание этих уровней позволяет приложениям осознать, какой путь проходит ввод-вывод, и настроить параметры, которые имеют значение для их рабочих нагрузок. Материал подготовлен нейросетью на основе оригинальной публикации. ИИ может ошибаться в деталях (цифры, имена, даты, цитаты) — для важной информации сверяйтесь с первоисточником.