{"id":54686,"date":"2020-01-01T00:00:00","date_gmt":"2019-12-31T21:00:00","guid":{"rendered":"https:\/\/prohoster.info\/blog\/blog_prohoster\/5-8-mln-iops-zachem-tak-mnogo"},"modified":"2020-02-18T14:02:44","modified_gmt":"2020-02-18T11:02:44","slug":"5-8-mln-iops-zachem-tak-mnogo","status":"publish","type":"post","link":"https:\/\/prohoster.info\/pl\/blog\/administrirovanie\/5-8-mln-iops-zachem-tak-mnogo","title":{"rendered":"5,8 mln IOPS: po co to wszystko?","gt_translate_keys":[{"key":"rendered","format":"text"}]},"content":{"rendered":"

Cze\u015b\u0107 Habr! Zbiory danych dla Big Data i uczenia maszynowego rosn\u0105 w wyk\u0142adniczym tempie, a my musimy zd\u0105\u017cy\u0107 je przetwarza\u0107. Nasz post dotyczy jeszcze jednej innowacyjnej technologii w dziedzinie wysokowydajnego oblicze\u0144 (HPC, High Performance Computing), zaprezentowanej na stoisku Kingston na Supercomputing-2019<\/a><\/noindex>. To zastosowanie system\u00f3w przechowywania danych Hi-End (SSD) w serwerach z procesorami graficznymi (GPU) oraz technologi\u0105 szybkiej magistrali GPUDirect Storage. Dzi\u0119ki bezpo\u015bredniemu transferowi danych pomi\u0119dzy SSD a GPU, omijaj\u0105c CPU, znacznie przyspiesza si\u0119 \u0142adowanie danych do akcelerator\u00f3w GPU, co pozwala na maksymalne wykorzystanie wydajno\u015bci oferowanej przez GPU w aplikacjach Big Data. Z drugiej strony, deweloperzy system\u00f3w HPC interesuj\u0105 si\u0119 osi\u0105gni\u0119ciami w dziedzinie SSD o najwy\u017cszej pr\u0119dko\u015bci wej\u015bcia\/wyj\u015bcia \u2013 takich, jakie produkuje Kingston.<\/p>\n

\"5,8
\n<\/a><\/noindex><\/p>\n

Wydajno\u015b\u0107 GPU wyprzedza \u0142adowanie danych <\/h2>\n

\nOd momentu stworzenia CUDA w 2007 roku \u2013 architektury programowo-sprz\u0119towej dla r\u00f3wnoleg\u0142ych oblicze\u0144 opartych na GPU do program\u00f3w og\u00f3lnego przeznaczenia, mo\u017cliwo\u015bci sprz\u0119towe samych GPU znacz\u0105co si\u0119 zwi\u0119kszy\u0142y. Dzi\u015b GPU znajduj\u0105 coraz szersze zastosowanie w aplikacjach HPC, takich jak big data (Big Data), uczenie maszynowe (ML, machine learning) i g\u0142\u0119bokie uczenie (DL, deep learning). <\/p>\n

Zauwa\u017c, \u017ce mimo podobie\u0144stw termin\u00f3w, dwa ostatnie to algorytmicznie r\u00f3\u017cne zadania. ML uczy komputer na podstawie danych strukturalnych, podczas gdy DL na podstawie odpowiedzi z sieci neuronowej. Przyk\u0142ad, kt\u00f3ry pomo\u017ce zrozumie\u0107 r\u00f3\u017cnice, jest do\u015b\u0107 prosty. Za\u0142\u00f3\u017cmy, \u017ce komputer musi r\u00f3\u017cnicowa\u0107 zdj\u0119cia kot\u00f3w i ps\u00f3w, kt\u00f3re s\u0105 przesy\u0142ane z magazynu danych. Dla ML nale\u017cy wprowadzi\u0107 zestaw obraz\u00f3w z wieloma tagami, z kt\u00f3rych ka\u017cdy definiuje jak\u0105\u015b jedn\u0105 cech\u0119 zwierz\u0119cia. Dla DL wystarczy przes\u0142a\u0107 znacznie wi\u0119ksz\u0105 liczb\u0119 obraz\u00f3w, ale jedynie z jednym tagiem \u201eto kot\u201d lub \u201eto pies\u201d. DL jest bardzo podobne do tego, jak uczymy ma\u0142e dzieci \u2014 po prostu pokazujemy im zdj\u0119cia ps\u00f3w i kot\u00f3w w ksi\u0105\u017ckach oraz w rzeczywisto\u015bci (w wi\u0119kszo\u015bci przypadk\u00f3w, nawet nie wyja\u015bniaj\u0105c szczeg\u00f3\u0142owej r\u00f3\u017cnicy), a m\u00f3zg dziecka zaczyna samodzielnie identyfikowa\u0107 typ zwierz\u0119cia po pewnej krytycznej liczbie por\u00f3wna\u0144 obraz\u00f3w (szacuje si\u0119, \u017ce chodzi o zaledwie setk\u0119 pokaz\u00f3w w ca\u0142ym wczesnym dzieci\u0144stwie). Algorytmy DL nie s\u0105 jeszcze na tyle doskona\u0142e: aby sie\u0107 neuronowa mog\u0142a tak skutecznie pracowa\u0107 nad rozpoznawaniem obraz\u00f3w, konieczne jest przes\u0142anie i przetworzenie na GPU milion\u00f3w obraz\u00f3w.<\/p>\n

Podsumowuj\u0105c wst\u0119p: na bazie GPU mo\u017cna zbudowa\u0107 aplikacje HPC w obszarze Big Data, ML i DL, ale istnieje problem \u2014 zbiory danych s\u0105 na tyle du\u017ce, \u017ce czas po\u015bwi\u0119cony na za\u0142adunek danych z systemu przechowywania do GPU zaczyna wp\u0142ywa\u0107 na og\u00f3ln\u0105 wydajno\u015b\u0107 aplikacji. Innymi s\u0142owy, szybkie procesory graficzne pozostaj\u0105 niewykorzystane z powodu wolnego wprowadzania i wyprowadzania danych z innych podsystem\u00f3w. R\u00f3\u017cnica w pr\u0119dko\u015bci wprowadzania\/wyprowadzania danych mi\u0119dzy GPU a magistral\u0105 CPU\/magazyn danych mo\u017ce wynosi\u0107 nawet jeden rz\u0105d wielko\u015bci.<\/p>\n

Jak dzia\u0142a technologia GPUDirect Storage?<\/h2>\n

\nProces wprowadzania i wyprowadzania danych jest kontrolowany przez CPU, podobnie jak proces za\u0142adunku danych z magazynu do procesor\u00f3w graficznych do dalszego przetwarzania. St\u0105d pojawi\u0142a si\u0119 potrzeba technologii, kt\u00f3ra zapewni\u0142aby bezpo\u015bredni dost\u0119p mi\u0119dzy GPU a dyskami NVMe w celu szybkiej wymiany danych. Pierwsz\u0105 tak\u0105 technologi\u0119 zaproponowa\u0142a firma NVIDIA i nazwa\u0142a j\u0105 GPUDirect Storage. W zasadzie jest to odmiana wcze\u015bniej opracowanej technologii GPUDirect RDMA (Remote Direct Memory Address).<\/p>\n

\"5,8
\nJensen Huang, dyrektor generalny NVIDIA, prezentuje GPUDirect Storage jako odmian\u0119 GPUDirect RDMA na wystawie SC-19. \u0179r\u00f3d\u0142o: NVIDIA<\/i><\/p>\n

R\u00f3\u017cnica mi\u0119dzy GPUDirect RDMA a GPUDirect Storage polega na urz\u0105dzeniach, mi\u0119dzy kt\u00f3rymi odbywa si\u0119 adresowanie. Technologia GPUDirect RDMA jest przystosowana do bezpo\u015bredniego przesy\u0142ania danych pomi\u0119dzy kart\u0105 sieciow\u0105 (NIC) a pami\u0119ci\u0105 GPU, podczas gdy GPUDirect Storage zapewnia bezpo\u015bredni\u0105 \u015bcie\u017ck\u0119 przesy\u0142ania danych mi\u0119dzy lokalnym lub zdalnym magazynem, takim jak NVMe lub NVMe przez Fabric (NVMe-oF) a pami\u0119ci\u0105 GPU.<\/p>\n

Oba rozwi\u0105zania, GPUDirect RDMA i GPUDirect Storage, unikaj\u0105 zb\u0119dnych przesuni\u0119\u0107 danych przez bufor w pami\u0119ci CPU i pozwalaj\u0105 mechanizmowi bezpo\u015bredniego dost\u0119pu do pami\u0119ci (DMA) przesuwa\u0107 dane z karty sieciowej lub magazynu bezpo\u015brednio do pami\u0119ci GPU lub z niej \u2014 i to wszystko bez obci\u0105\u017cenia procesora centralnego. Dla GPUDirect Storage lokalizacja magazynu nie ma znaczenia: mo\u017ce to by\u0107 dysk NVMe wewn\u0105trz jednostki z GPU, w szafie serwerowej lub pod\u0142\u0105czony przez sie\u0107 jako NVMe-oF. <\/p>\n

\"5,8
\nSchemat dzia\u0142ania GPUDirect Storage. \u0179r\u00f3d\u0142o: NVIDIA<\/i><\/p>\n

Wysokiej klasy macierze dyskowe na NVMe s\u0105 poszukiwane na rynku aplikacji HPC.<\/h2>\n

\nRozumiej\u0105c, \u017ce pojawienie si\u0119 GPUDirect Storage przyci\u0105gnie uwag\u0119 du\u017cych klient\u00f3w na oferowane systemy przechowywania o pr\u0119dko\u015bci we\/wy odpowiadaj\u0105cej przepustowo\u015bci GPU, na wystawie SC-19 firma Kingston zaprezentowa\u0142a demonstracyjn\u0105 system opart\u0105 na macierzy dyskowej z dysk\u00f3w NVMe i jednostki z GPU, w kt\u00f3rej analizowano tysi\u0105ce zdj\u0119\u0107 satelitarnych na sekund\u0119. O tej macierzy z\u0142o\u017conej z 10 dysk\u00f3w DC1000M U.2 NVMe ju\u017c pisali\u015bmy. w relacji z wystawy superkomputer\u00f3w.<\/a><\/noindex>. <\/p>\n

\"5,8
\nMacierz dyskowa oparta na 10 dyskach DC1000M U.2 NVMe doskonale uzupe\u0142nia serwer z akceleratorami graficznymi. \u0179r\u00f3d\u0142o: Kingston.<\/i><\/p>\n

Taka macierz dyskowa jest realizowana w formie jednostki rackowej 1U lub wi\u0119kszej i mo\u017ce by\u0107 skalowana w zale\u017cno\u015bci od liczby dysk\u00f3w DC1000M U.2 NVMe, gdzie ka\u017cdy ma pojemno\u015b\u0107 od 3.84 do 7.68 TB. DC1000M to pierwsza model NVMe SSD w formacie U.2 w linii dysk\u00f3w Kingston dla centr\u00f3w danych. Oferuje on wska\u017anik wytrzyma\u0142o\u015bci (DWPD, Drive writes per day), kt\u00f3ry pozwala na zapisanie danych na pe\u0142nej pojemno\u015bci raz dziennie przez gwarantowany okres trwa\u0142o\u015bci dysku. <\/p>\n

W te\u015bcie fio v3.13 na systemie operacyjnym Ubuntu 18.04.3 LTS oraz j\u0105drze Linux 5.0.0-31-generic, wystawiony prototyp macierzy dyskowej wykaza\u0142 pr\u0119dko\u015b\u0107 odczytu (Sustained Read) 5.8 mln IOPS przy stabilnej przepustowo\u015bci (Sustained Bandwidth) 23.8 Gb\/s.<\/p>\n

Ariel Peres, mened\u017cer biznesowy SSD w Kingston, scharakteryzowa\u0142 nowe systemy pami\u0119ci masowej: \u201eJeste\u015bmy gotowi dostarczy\u0107 nast\u0119pne pokolenie serwer\u00f3w rozwi\u0105zaniami SSD U.2 NVMe, aby usun\u0105\u0107 wiele w\u0105skich garde\u0142 w przesy\u0142aniu danych, kt\u00f3re tradycyjnie by\u0142y zwi\u0105zane z systemem przechowywania. Po\u0142\u0105czenie dysk\u00f3w NVMe SSD i naszej premium pami\u0119ci RAM Server Premier DRAM czyni Kingston jednym z najbardziej kompletnych dostawc\u00f3w kompleksowych rozwi\u0105za\u0144 do przetwarzania danych w bran\u017cy.\u201d<\/p>\n

\"5,8
\nTest gfio v3.13 wykaza\u0142 przepustowo\u015b\u0107 23.8 Gb\/s dla pokazowego systemu pami\u0119ci masowej na dyskach DC1000M U.2 NVMe. \u0179r\u00f3d\u0142o: Kingston<\/i><\/p>\n

Jak b\u0119dzie wygl\u0105da\u0107 typowy system dla aplikacji HPC, gdzie zastosowano technologi\u0119 GPUDirect Storage lub podobn\u0105? To architektura z fizycznym podzia\u0142em blok\u00f3w funkcjonalnych w obr\u0119bie stojaka: jeden lub dwa jednostki pami\u0119ci RAM, kilka jednostek w\u0119z\u0142\u00f3w obliczeniowych GPU i CPU oraz jedna lub wi\u0119cej jednostek dla system\u00f3w pami\u0119ci masowej.<\/p>\n

Z og\u0142oszeniem GPUDirect Storage i mo\u017cliwym pojawieniem si\u0119 podobnych technologii u innych producent\u00f3w GPU, dla Kingston ro\u015bnie popyt na systemy pami\u0119ci masowej zaprojektowane do zastosowa\u0144 w wysokowydajnych obliczeniach. Wyznacznikiem b\u0119dzie pr\u0119dko\u015b\u0107 odczytu danych z system\u00f3w pami\u0119ci masowej, por\u00f3wnywalna z przepustowo\u015bci\u0105 kart sieciowych 40- lub 100-Gbitowych na wej\u015bciu do jednostki obliczeniowej z GPU. W ten spos\u00f3b ultra-szybkie systemy pami\u0119ci masowej, w tym zewn\u0119trzne NVMe przez Fabric, z egzotyki stan\u0105 si\u0119 mainstreamem dla aplikacji HPC. Opr\u00f3cz nauki i oblicze\u0144 finansowych, znajd\u0105 one zastosowanie w wielu innych praktycznych dziedzinach, takich jak systemy bezpiecze\u0144stwa na poziomie megamiasta Safe City czy centra nadzoru transportu, gdzie wymagana jest pr\u0119dko\u015b\u0107 rozpoznawania i identyfikacji na poziomie milion\u00f3w obraz\u00f3w HD na sekund\u0119,\u201d \u2013 okre\u015bli\u0142 nisz\u0119 rynku topowych system\u00f3w pami\u0119ci masowej.<\/p>\n

Dodatkowe informacje o produktach Kingston mo\u017cna znale\u017a\u0107 na oficjalnej stronie<\/a><\/noindex> firm\u0105.
\n
\u0179r\u00f3d\u0142o: habr.com<\/a><\/p>","protected":false,"gt_translate_keys":[{"key":"rendered","format":"html"}]},"excerpt":{"rendered":"

\u041f\u0440\u0438\u0432\u0435\u0442 \u0425\u0430\u0431\u0440! \u041d\u0430\u0431\u043e\u0440\u044b \u0434\u0430\u043d\u043d\u044b\u0445 \u0434\u043b\u044f Big Data \u0438 \u043c\u0430\u0448\u0438\u043d\u043d\u043e\u0433\u043e \u043e\u0431\u0443\u0447\u0435\u043d\u0438\u044f \u044d\u043a\u0441\u043f\u043e\u043d\u0435\u043d\u0446\u0438\u0430\u043b\u044c\u043d\u043e \u0440\u0430\u0441\u0442\u0443\u0442 \u0438 \u043d\u0430\u0434\u043e \u0443\u0441\u043f\u0435\u0432\u0430\u0442\u044c \u0438\u0445 \u043e\u0431\u0440\u0430\u0431\u0430\u0442\u044b\u0432\u0430\u0442\u044c. \u041d\u0430\u0448 \u043f\u043e\u0441\u0442 \u043e \u0435\u0449\u0435 \u043e\u0434\u043d\u043e\u0439 \u0438\u043d\u043d\u043e\u0432\u0430\u0446\u0438\u043e\u043d\u043d\u043e\u0439 \u0442\u0435\u0445\u043d\u043e\u043b\u043e\u0433\u0438\u0438 \u0432 \u043e\u0431\u043b\u0430\u0441\u0442\u0438 \u0432\u044b\u0441\u043e\u043a\u043e\u043f\u0440\u043e\u0438\u0437\u0432\u043e\u0434\u0438\u0442\u0435\u043b\u044c\u043d\u044b\u0445 \u0432\u044b\u0447\u0438\u0441\u043b\u0435\u043d\u0438\u0439 (HPC, High Performance Computing), \u043f\u043e\u043a\u0430\u0437\u0430\u043d\u043d\u043e\u0439 \u043d\u0430 \u0441\u0442\u0435\u043d\u0434\u0435 Kingston \u043d\u0430 Supercomputing-2019. \u042d\u0442\u043e \u043f\u0440\u0438\u043c\u0435\u043d\u0435\u043d\u0438\u0435 Hi-End \u0441\u0438\u0441\u0442\u0435\u043c \u0445\u0440\u0430\u043d\u0435\u043d\u0438\u044f \u0434\u0430\u043d\u043d\u044b\u0445 (\u0421\u0425\u0414) \u0432 \u0441\u0435\u0440\u0432\u0435\u0440\u0430\u0445 \u0441 \u0433\u0440\u0430\u0444\u0438\u0447\u0435\u0441\u043a\u0438\u043c\u0438 \u043f\u0440\u043e\u0446\u0435\u0441\u0441\u043e\u0440\u0430\u043c\u0438 (GPU) \u0438 \u0442\u0435\u0445\u043d\u043e\u043b\u043e\u0433\u0438\u0435\u0439 \u0448\u0438\u043d\u044b GPUDirect […]<\/p>\n","protected":false,"gt_translate_keys":[{"key":"rendered","format":"html"}]},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[688],"tags":[],"class_list":["post-54686","post","type-post","status-publish","format-standard","hentry","category-administrirovanie"],"aioseo_notices":[],"aioseo_head":"\n\t\t\n\t\n\t\n\t\n\t\n\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t\n\n","aioseo_head_json":{"title":"\ud83e\udd475.8 mln IOPS: po co tyle? | ProHoster","description":"Cze\u015b\u0107 Habr! Zbiory danych dla Big Data i uczenia maszynowego rosn\u0105 exponentialnie i musimy nad\u0105\u017ca\u0107 za ich przetwarzaniem.","canonical_url":"https:\/\/prohoster.info\/pl\/blog\/administrirovanie\/5-8-mln-iops-zachem-tak-mnogo","robots":"max-image-preview:large","keywords":"","webmasterTools":{"miscellaneous":""},"schema":null,"og:locale":"pl_PL","og:site_name":"ProHoster | \u041a\u0443\u043f\u0438\u0442\u044c \u043d\u0430\u0434\u0435\u0436\u043d\u044b\u0439 \u0445\u043e\u0441\u0442\u0438\u043d\u0433 \u0434\u043b\u044f \u0441\u0430\u0439\u0442\u043e\u0432 \u0441 \u0437\u0430\u0449\u0438\u0442\u043e\u0439 \u043e\u0442 DDoS, VPS VDS \u0441\u0435\u0440\u0432\u0435\u0440\u044b","og:type":"article","og:title":"\ud83e\udd475.8 \u043c\u043b\u043d IOPS: \u0437\u0430\u0447\u0435\u043c \u0442\u0430\u043a \u043c\u043d\u043e\u0433\u043e? | ProHoster","og:description":"\u041f\u0440\u0438\u0432\u0435\u0442 \u0425\u0430\u0431\u0440! \u041d\u0430\u0431\u043e\u0440\u044b \u0434\u0430\u043d\u043d\u044b\u0445 \u0434\u043b\u044f Big Data \u0438 \u043c\u0430\u0448\u0438\u043d\u043d\u043e\u0433\u043e \u043e\u0431\u0443\u0447\u0435\u043d\u0438\u044f \u044d\u043a\u0441\u043f\u043e\u043d\u0435\u043d\u0446\u0438\u0430\u043b\u044c\u043d\u043e \u0440\u0430\u0441\u0442\u0443\u0442 \u0438 \u043d\u0430\u0434\u043e \u0443\u0441\u043f\u0435\u0432\u0430\u0442\u044c \u0438\u0445 \u043e\u0431\u0440\u0430\u0431\u0430\u0442\u044b\u0432\u0430\u0442\u044c.","og:url":"https:\/\/prohoster.info\/pl\/blog\/administrirovanie\/5-8-mln-iops-zachem-tak-mnogo","og:image":"https:\/\/prohoster.info\/wp-content\/uploads\/2021\/11\/logo-350.jpg","og:image:secure_url":"https:\/\/prohoster.info\/wp-content\/uploads\/2021\/11\/logo-350.jpg","og:image:width":350,"og:image:height":350,"article:published_time":"2019-12-31T21:00:00+00:00","article:modified_time":"2020-02-18T11:02:44+00:00","article:publisher":"https:\/\/www.facebook.com\/prohoster","article:author":"https:\/\/www.facebook.com\/prohoster"},"aioseo_meta_data":{"post_id":"54686","title":null,"description":null,"keywords":null,"keyphrases":null,"primary_term":null,"canonical_url":null,"og_title":null,"og_description":null,"og_object_type":"default","og_image_type":"default","og_image_url":null,"og_image_width":null,"og_image_height":null,"og_image_custom_url":null,"og_image_custom_fields":null,"og_video":null,"og_custom_url":null,"og_article_section":null,"og_article_tags":null,"twitter_use_og":false,"twitter_card":"default","twitter_image_type":"default","twitter_image_url":null,"twitter_image_custom_url":null,"twitter_image_custom_fields":null,"twitter_title":null,"twitter_description":null,"schema":{"blockGraphs":[],"customGraphs":[],"default":{"data":{"Article":[],"Course":[],"Dataset":[],"FAQPage":[],"Movie":[],"Person":[],"Product":[],"ProductReview":[],"Car":[],"Recipe":[],"Service":[],"SoftwareApplication":[],"WebPage":[]},"graphName":"","isEnabled":true},"graphs":[]},"schema_type":null,"schema_type_options":null,"pillar_content":false,"robots_default":true,"robots_noindex":false,"robots_noarchive":false,"robots_nosnippet":false,"robots_nofollow":false,"robots_noimageindex":false,"robots_noodp":false,"robots_notranslate":false,"robots_max_snippet":null,"robots_max_videopreview":null,"robots_max_imagepreview":"large","priority":null,"frequency":null,"local_seo":null,"seo_analyzer_scan_date":"2026-01-24 12:22:25","breadcrumb_settings":null,"limit_modified_date":false,"reviewed_by":null,"ai":null,"created":"2021-02-28 20:00:11","updated":"2026-01-24 12:22:25","focus_keyword":null,"additional_keywords":null,"truseo_locale":null},"gt_translate_keys":[{"key":"link","format":"url"}],"_links":{"self":[{"href":"https:\/\/prohoster.info\/pl\/wp-json\/wp\/v2\/posts\/54686","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/prohoster.info\/pl\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/prohoster.info\/pl\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/prohoster.info\/pl\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/prohoster.info\/pl\/wp-json\/wp\/v2\/comments?post=54686"}],"version-history":[{"count":0,"href":"https:\/\/prohoster.info\/pl\/wp-json\/wp\/v2\/posts\/54686\/revisions"}],"wp:attachment":[{"href":"https:\/\/prohoster.info\/pl\/wp-json\/wp\/v2\/media?parent=54686"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/prohoster.info\/pl\/wp-json\/wp\/v2\/categories?post=54686"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/prohoster.info\/pl\/wp-json\/wp\/v2\/tags?post=54686"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}