DYNAMIC ENDPOINT TRANSFER

Das Ziel ändert sich.
Die Dateiübertragung läuft genau wie zuvor.

Wo sich das System, das die Arbeit ausführt, ständig ändert — GPU-Server, Kubernetes-Workloads, Cloud Compute — muss die Dateiübertragung nicht jedes Mal neu eingerichtet werden.

Verbinden Sie den Endpoint, den Ihre bestehende Infrastruktur ausgewählt hat, mit einem INNORIX-Transfer. Das tatsächliche Ziel kann sich ändern, und dieselbe Transfer-Logik liefert weiterhin die benötigten Dateien.

DYNAMIC ENDPOINT SELECTION

Statt eines festen Targets
verbinden Sie den zur Laufzeit gewählten Endpoint mit dem Transfer.

Dynamic Endpoint Transfer ist nicht einfach eine Funktion für Umgebungen mit sehr vielen Servern. Entscheidend ist eine Umgebung, in der das tatsächliche Target, das eine Datei erreichen muss, erst zur Laufzeit festgelegt wird oder sich ständig ändert. Beim AI Training kann sich das genutzte GPU Compute von Lauf zu Lauf unterscheiden, ein Kubernetes Workload kann auf einem neuen Pod oder Node laufen, Cloud Compute wird erzeugt, wenn es benötigt wird, und Edge Devices verbinden sich zu unterschiedlichen Zeitpunkten.

Während ein klassischer Transfer eine bestimmte IP oder einen Hostnamen als Target festlegt, verbindet Dynamic Endpoint Transfer die Rolle und die Bedingung, die die Arbeit verlangt — „das GPU Compute, das dieses Training ausführt", „das Edge Device, das gerade jetzt Ready ist" — mit einem tatsächlichen Endpoint. Ihre Infrastruktur entscheidet über den tatsächlichen Endpoint, und INNORIX wendet dieses Ergebnis auf den File Transfer an, sodass sich der Endpoint ändern kann, ohne dass die Transfer-Logik der Arbeit neu aufgebaut werden muss.

StatischFestes Target

Server B192.168.10.24Festes Target

DynamischZur Laufzeit ausgewählt

GPU Compute, BereitGPU-07Ausgewählt

Wo es eingesetzt wird

  • AI Training
  • Kubernetes
  • Cloud Compute
  • Edge

ENDPOINT CONDITIONS & GROUPS

Nutzen Sie Rolle, Bedingungen und Group eines Endpoints,
um eine sich ändernde Infrastruktur zusammenzustellen.

Statt einen Transfer an die IP-Adresse oder den Namen eines einzelnen Servers zu binden, kann der Endpoint anhand von Bedingungen benannt werden: Rolle, Region, Workload und Status.

Ihre Infrastruktur wählt den passenden Endpoint aus, und INNORIX liefert die Daten dorthin. Die Maschine unterscheidet sich von Lauf zu Lauf; die Transfer-Einrichtung ändert sich nicht.

Target-BedingungDie Bedingungen, die das Target benennen.

Eine Transfer-Einstellung, viele Targets
  • RolleGPU Compute
  • RegionSeoul
  • WorkloadTraining
  • StatusBereit

Verfügbare EndpointsVon Ihrer Infrastruktur ausgewählt

  • GPU-03Seoul | NVIDIA H100Verfügbar
  • GPU-07Seoul | NVIDIA H100Ausgewählt
  • GPU-12Tokio | NVIDIA A100Verfügbar
training-dataset.tar3.6 TB, 24,820 DateienAbgeschlossen100%3.6 TB / 3.6 TB

INFRASTRUCTURE INTEGRATION

Ihre bestehende Infrastruktur entscheidet über den Status eines Endpoints,
und INNORIX setzt diese Entscheidung als Transfer um.

Ein Kubernetes-Scheduler, ein GPU-Scheduler, ein Cloud-Orchestrator oder ein Edge-Manager entscheidet weiterhin, was wo läuft. Die Dateiübertragung wird damit verbunden, ohne daran etwas zu ändern.

Sobald Ihr System einen Pod, einen GPU-Server oder ein Edge Device ausgewählt hat, überträgt INNORIX die Dateien an den übergebenen Endpoint und gibt Fortschritt und Ergebnis für den nächsten Schritt zurück.

Transfer-IntegrationDer Transfer geht an den Endpoint, den Ihr System ausgewählt hat.

High-Speed TransferResume & RetryVerifizierung

Bestehende Infrastruktur

  • Kubernetes SchedulerWählt den Ziel-Pod aus
  • GPU SchedulerWählt den Ziel-GPU-Node aus
  • Cloud OrchestratorWählt die Compute-Instanz aus
  • Edge ManagementWählt das Ziel-Edge-Device aus
Transfer Request

Ausgewählter Endpoint

pod/training-7bKubernetes Cluster
Namespaceml-training
Nodegpu-node-03
StatusBereit
GPUNVIDIA H100
RegionSeoul
training-dataset.tar3.6 TB, 24,820 DateienAbgeschlossen100%3.6 TB / 3.6 TB
Bestehende InfrastrukturINNORIX
Compute erzeugen und zuweisenDateien an den ausgewählten Endpoint zustellen
Den Workload platzierenDen Transfer ausführen
Status und Bereitschaft eines Endpoints beurteilenTransferstatus prüfen und wiederherstellen
Den Device-Lifecycle verwaltenDas Transferergebnis zurückgeben

INNORIX stellt kein Compute bereit und entscheidet nicht über die Workload Placement.

WORKLOAD LIFECYCLE

Verbinden Sie im Workload- und Endpoint-Lifecycle
die Punkte, an denen Data benötigt wird.

Eine Cloud VM, ein GPU-Compute-Node oder ein Kubernetes Pod wird erzeugt, wenn die Arbeit beginnt, und freigegeben, wenn sie endet. Ein auf einem festen Server aufgebauter Transfer kann dem nicht folgen.

INNORIX liefert das Dataset, sobald der Endpoint bereit ist, und sammelt die Ergebnisdaten in dem von Ihnen angegebenen Storage, wenn der Auftrag abgeschlossen ist. Das Erzeugen und Freigeben des Servers bleibt Aufgabe Ihrer eigenen Infrastruktur.

Endpoint-LifecycleDer Transfer folgt dem Endpoint von der Erzeugung bis zur Freigabe.

GPU-07
  1. 1. ErzeugtDer Endpoint wird erzeugt.Erzeugt
  2. 2. BereitDie Umgebung für den Auftrag ist bereit.Bereit
  3. 3. Data DeliveryDie benötigten Daten werden zugestellt.Zugestellt
  4. 4. Job-AusführungDer Job läuft mit den zugestellten Daten.Beendet
  5. 5. CollectionDie Ergebnisdaten werden zurückgesammelt.Gesammelt
  6. 6. FreigegebenDer Endpoint wird freigegeben, wenn der Job endet.Freigegeben
training-dataset.tar3.6 TB, 24,820 DateienAbgeschlossen100%3.6 TB / 3.6 TB

ORCHESTRATOR & API

Rufen Sie einen Dynamic Transfer
von Ihrem bestehenden Orchestrator und der API aus auf.

Sobald ein Endpoint in einem bestehenden System festgelegt wurde — Kubernetes, ein GPU Scheduler, ein Cloud Orchestrator — ruft dieses System die Transfer-Fähigkeit von INNORIX auf.

Workflow Logic und Scheduling bleiben in Ihrem bestehenden System, und nur der File Transfer wird als eigenständige Data Movement Layer verbunden. Der Endpoint unterscheidet sich bei jedem Lauf, während Aufruf und Ergebnisverarbeitung gleich bleiben – so wird Transfer Capability zu einer Dynamic Infrastructure hinzugefügt, ohne dass Ihre bestehende Automation neu definiert werden muss.

OrchestratorKubernetes, GPU Scheduler, Cloud Orchestrator
Callback
INNORIXFührt den Transfer aus
Abgeschlossen
WorkloadEndpoint ausgewählt

API Interface

InterfaceWas es tut
Transfer erstellenErstellt die Beziehung zwischen Datei und Endpoint
Transfer startenFührt den Transfer aus
StatusPrüft den aktuellen Zustand
ErgebnisPrüft das Abschlussergebnis
CallbackÜbergibt das Abschlussergebnis an Ihren bestehenden Workflow

UNIFIED OPERATIONS

Wie sehr sich der Endpoint auch ändert,
prüfen Sie jedes Transferergebnis auf einer einzigen Plattform.

Die GPU oder das Compute, das die Arbeit ausführt, unterscheidet sich jedes Mal, und trotzdem brauchen die Transfer-Jobs und ihre Ergebnisse keine getrennte Verwaltung.

Verwalten Sie verbundene Maschinen und Transfer Flows in INNORIX Studio, und prüfen Sie in Runs den tatsächlich ausgewählten Endpoint, den Fortschritt des Transfers und sein Abschlussergebnis.

Training Data DeliveryTarget-Bedingung | GPU, Training, Bereit

Runs18Erfolgreich16Fortgesetzt2Läuft0
LaufzeitAusgewählter EndpointZieldateiGrößeFortschrittErgebnis
2026.10.19 14:32GPU-07Seoul | NVIDIA H100training-dataset.tar3.6 TB100%Erfolgreich
2026.10.19 09:14GPU-12Tokio | NVIDIA A100training-dataset.tar3.6 TB100%Erfolgreich
2026.10.18 22:51GPU-03USA West | NVIDIA H100training-dataset.tar3.6 TB100%Erfolgreich
2026.10.18 18:27GPU-24Seoul | NVIDIA L40Straining-dataset.tar3.6 TB100%Fortgesetzt

GET STARTED

Dateiübertragung mit ständig wechselnden Endpoints verbinden.

Verbinden Sie den von Ihrem bestehenden Kubernetes, GPU-Scheduler oder Cloud-Orchestrator ausgewählten Endpoint mit einem INNORIX-Dateiübertragungsjob.

Prüfen Sie das Transferergebnis in Studio, und integrieren Sie es über die API mit Ihrem bestehenden Workload.

TECHNICAL FAQ

Häufig gestellte Fragen

Was ist Dynamic Endpoint Transfer?

In einer Umgebung, in der Source oder Target einer Dateiübertragung kein fester Server ist, sondern erst im Moment der Ausführung entschieden wird, verbindet es den tatsächlich ausgewählten Endpoint mit einem bestehenden Transfer-Job.

Wie unterscheidet es sich von gewöhnlicher Server-zu-Server-Dateiübertragung?

Gewöhnliche Server-zu-Server-Übertragung legt Source und Target üblicherweise vorab fest. Dynamic Endpoint Transfer kann den zur Ausführungszeit ausgewählten Endpoint auf dieselbe Transfer-Logik anwenden.

Wählt INNORIX die GPU oder den Kubernetes-Pod selbst aus?

Nein. Bestehende Infrastruktur wie ein GPU-Scheduler, Kubernetes oder ein Cloud-Orchestrator übernimmt die Ressourcenplatzierung und die Endpoint-Auswahl. INNORIX liefert die Dateien, die der ausgewählte Endpoint benötigt.

Kann es verwendet werden, wenn sich die IP-Adresse eines Endpoints ändert?

Wenn die bestehende Infrastruktur die aktuell gültigen Endpoint-Informationen übergibt und dieser Endpoint sich mit INNORIX verbinden kann, lässt es sich einrichten, ohne eine feste IP in der Transfer-Logik zu benennen.

Kann es in einer Kubernetes-Umgebung verwendet werden?

Es lässt sich so einrichten, dass das Ergebnis der Kubernetes-Workload-Platzierung mit dem tatsächlichen Dateiübertragungs-Endpoint verbunden wird. Wie Pods und Nodes verbunden werden, die Bedingungen für die Ausführung des Agent und die Netzwerkanforderungen müssen pro Umgebung geprüft werden.

Kann es auch mit einem GPU-Compute-Pool verwendet werden?

Es lässt sich so einrichten, dass ein Dataset an das von einem externen Scheduler ausgewählte GPU Compute zugestellt wird und die anschließend erzeugten Ergebnisse oder Checkpoints gesammelt werden.

Wer entscheidet über die Zustände Ready, Busy und Offline?

Die bestehende Infrastruktur entscheidet, ob ein Workload laufen kann und wie Ressourcen zugewiesen werden. INNORIX führt die Dateiübertragung anhand der ihr übergebenen Endpoint-Informationen und des Transfer-Bereitschaftsstatus aus.

Muss der Flow neu aufgebaut werden, wenn Endpoints hinzugefügt oder entfernt werden?

Wenn es so eingerichtet ist, dass Rollen oder Groups sowie die zur Ausführungszeit verfügbaren Endpoint-Informationen genutzt werden, lässt sich dieselbe Transfer-Logik wiederverwenden. Wie dynamisch die Verbindung tatsächlich sein kann, hängt von der API und davon ab, wie Endpoints registriert werden.

Kann ein bestehender Orchestrator es über die API aufrufen?

Ein bestehender Orchestrator kann den Endpoint festlegen, dann die INNORIX-Transferfunktion aufrufen und Status und Ergebnis prüfen. Die konkrete API- und Callback-Unterstützung muss anhand der Entwicklerdokumentation bestätigt werden.

Kann das AI Training erst nach Abschluss des Transfers gestartet werden?

Ein bestehender Workflow kann so eingerichtet werden, dass er den Abschlussstatus des INNORIX-Transfers bestätigt, bevor die nächste Aufgabe ausgeführt wird. Eine angenommene Anfrage und ein tatsächlich abgeschlossener Transfer müssen unterschieden werden.

Was ist der Unterschied zwischen Dynamic Endpoint Transfer und AI Data Delivery?

Dynamic Endpoint Transfer konzentriert sich darauf, welches Compute oder Device die Dateien jetzt erreichen müssen. AI Data Delivery konzentriert sich darauf, die Dateien zu bewegen, die ein AI-Job benötigt, etwa Datasets, Models, Checkpoints und Results.

Wo prüfe ich das Ergebnis eines dynamisch ausgeführten Transfers?

Runs in Studio zeigt den ausgeführten Transfer, den tatsächlich angesteuerten Endpoint, den Fortschritt und das Abschlussergebnis.

Jede dieser Fähigkeiten,auf einer einzigen Plattform.

Die Fähigkeit auf dieser Seite ist eine von vielen Dateitransfer- Funktionen, die die INNORIX Platform bietet. Vom Dateitransfer über Automatisierung bis zum einheitlichen Betrieb, probieren Sie jede Funktion kostenlos aus.

Kostenlos starten

Denken Sie über Transfer zu wechselnden Endpunkten nach?

Wir helfen Ihnen, das benötigte dynamische Transfer-Setup über Cloud, Kubernetes und verteilte Umgebungen hinweg zu prüfen.

  • Prüfung Ihrer dynamischen Infrastrukturumgebung
  • Vorschlag für eine Endpunkt- und Gruppenverbindungsmethode
  • Beratung zur Integration mit Ihrem bestehenden Orchestrator

Wir verwenden diese Angaben ausschließlich zur Beantwortung Ihrer Anfrage. Siehe unsere Datenschutzrichtlinie.