导语：以后，主动驾驶曾经在国内局部地区商业化试点，而一些造车新权势的量产车型，也广泛推出了主动辅助驾驶性能。随着主动驾驶的一直倒退，主动驾驶背地的技术也开始备受关注。
万亿主动驾驶背地，混合云存储鼎力相助
近年，自动化驾驶产品和服务日趋成熟，主动驾驶市场也在疾速倒退。据市场钻研机构 Guidehouse Insights 预计，到 2032 年，寰球主动驾驶卡车和客车市场规模无望增长到 120 万辆，其寰球市场份额预计将超过 19%。
之前，麦肯锡也曾颁布一份钻研报告指出，如果主动驾驶的前景在中国铺展开来，这一产业的收益规模将达到数万亿美元。在万亿主动驾驶的背地，少不了车辆上搭载的传感器、摄像头和 AI 等智能设施和技术对其倒退的推动力量。
其中，在 AI 产品迭代过程里，参加的数据量决定了 AI 准确性的高下，也决定算法是否能更加成熟。如果说，算法是 AI 产品的风帆，那么承载算法数据的存储就是船舰。算法数据量从小到大，IT 建设中存储规模也在逐渐扩充，从开始的依附独自硬盘到阵列，再到集群存储，倒退到当初的分布式存储，公有云、私有云到现在混合云的使用，逐渐实现云上云下资源联动的模式。
目前国内 AI 行业大多数是在本地建设数据中心，将外围业务和数据留存在本地进行生产计算，算法迭代中预处理、训练、仿真等环节根本是在本地实现，云端作为业务弹性裁减的计划应用，这也促使了 AI 公司须要具备肯定的 IT 建设能力和运维能力。
因为 AI 属于新兴行业，不同于其余有多年 IT 教训的行业，容易导致在建设上呈现程度档次不同的状况。例如，有应用部门级 NAS 存储作为生产存储，也有购买商业级存储，亦有基于开源架构进行尝试的 AI 企业，使得整体存储建设参差不齐。
明天，咱们将基于一家在环境感知、决策布局等智能驾驶要害畛域领有核心技术，次要提供 L2+ 智能驾驶计划及衍生数据产品和服务的智能驾驶技术研发与利用企业，联合以后在 AI 行业主动驾驶场景下，生产存储方案设计和行业亮点性能利用的解决方案——如何利用跨云异构数据整合能力推动业务倒退。
亟需高可用存储计划严密贴合业务场景
智能驾驶技术研发与利用对数据存储、解决及平安合规提出了更高的要求，存储计划优化迫不及待，然而也面临多方难题：
1、在不同的业务阶段，数据流动工夫长当数据规模达到数十 TB 当前，在业务流程中，数据在每个环节都须要经验传统的拷贝形式，导致业务等待时间长，重大妨碍业务疾速倒退。
2、混合数据性能优化难不同场景下，数据状况不一样，性能难以满足训练要求。比方，在训练环节和仿真环节中，传统存储性能难以满足业务要求；在标注环节和训练环节中，小文件和大文件往往很难共存；亦或者，IOPS、元数据处理性能跟不上业务需要等等。
3、AI 行业倒退迅速，存储扩大能力跟不上节奏随着企业倒退到肯定水平，传统服务器共享模式或者单机 NAS 架构存储难以跟上业务成长，导致数据规模压力、存储扩大压力、业务并发压力一劳永逸。
4、IT 根底建设要贴合利用场景开展随同着私有云资源和公有云资源的遍及，业务发展趋向更高效率、灵便调度、更正当的老本收入，使得公有云数据与私有云数据买通成为下一个业务倒退模式。同时，企业也须要一款能缩小数据流转工夫老本、撑持训练环节、仿真环节高性能计算、解决存储可扩展性问题的存储平台，满足企业多方面需要。
计划革新：构建业务驱动型的一站式存储解决方案
在深刻理解该企业理论业务当前，焱融科技联合了大量的自动化驾驶存储我的项目实践经验，为本次我的项目制订跨云数据整合计划。本次计划宗旨是革新和晋升现有生产存储架构，通过 YRCloudFile 分布式文件存储系统承载业务数据，让依赖传统 NAS 的传统架构倒退为分布式架构，从根本上解决数据扩大问题和性能优化问题。
一方面，YRCloudFile 提供了并行客户端协定利用，让企业性能实现冲破网关限度；另一方面，YRCloudFile 区别于其余厂商的存储计划，采纳了元数据和数据拆散治理形式，使得其在性能优化和扩大上失去了质的扭转。
“打通任督二脉”，一套存储撑持起所有
从整体业务逻辑设计，YRCloudFile 实现将本来各个业务阶段的存储需要整合为一，买通了预处理、标注、训练、仿真各个环节之间的壁垒，省去了大量人工拷贝数据的工夫，晋升整体业务效率。
存储弹性扩大，撑持业务快速增长
依据客户业务剖析，布局存储年数据量成长为 200%-300%，所以存储扩展性也需满足疾速大容量高性能扩大，以匹配业务倒退要求。在 YRCloudFile 高扩大的个性撑持下，最大可扩大至 4096 个存储节点，容量足以撑持所有业务要求。
混合业务数据治理
YRCloudFile 通过长期实践磨砺，具备在大文件和小文件混合场景下的优良性能体现和扩大能力，其中元数据和实体数据所采纳拆散门路的技术，使得数据并发能力和元数据操作能力具备十分高的性能，尤其是在对存储性能要求最高的训练环节中，效果显著。
“以点到面”，建设业务驱动型业务模型
在满足本地数据中心的三个外围诉求以外，焱融科技联合了客户利用中在私有云有局部训练业务要求，以及利用 YRCloudFile 所具备的 DataLoad 性能实现跨云数据整合，将须要短时疾速的训练任务放到云端，以此补足本地 GPU 算力有余问题。
另外，训练数据由云端部署的 YRCloudFile 文件系统承受业务 AI 算法模型指令近程调取本地存储实现，可依据训练规模调整调取策略，实现“业务驱动数据”的工作模式，当训练结束后，开释资源即可，实现资源灵便管制。
除此之外，DataLoad 还能够实现本地素材数据和云端计算互通，由“传统人工搬运数据”演变为“业务驱动数据”的生产模式，实现业务精确化和高效率的转变，整体平台建设扭转了传统存储建设概念。
YRCloudFile 打造智驾存储架构“最硬核”的力量撑持
本次我的项目之初，该智能驾驶技术研发企业难以决定存储架构，在 AI 业务逻辑清晰下，IT 根底建设却采纳传统的单机 NAS 产品架构，且各个业务环节之间的存储为独立部署，相互之间的数据通路只能靠人工拷贝的形式，使得生产过程中呈现拷贝时效差，引起业务断档。同时，因为传统单机 NAS 性能和反对的并发无限，还会经常出现存储 IO 梗塞而导致的计算 GPU 利用率不高的问题。
保障业务连续性，晋升业务整体效率 ：通过 YRCloudFile，不仅解决了以前存储性能有余的问题，而且达到了业务数据智能流动的成果，无效保障业务不断层，将整体业务效率晋升了 220%；
降低成本投入和运维难度 ：YRCloudFile 为企业提供全生命周期数据管理，加重了运维人员的工作压力，为数据管理提供了良好的根底；
整合私有云资源，云上云下数据联动 ：YRCloudFile 实现混合云数据联动，让业务决定数据流向，数据应用更加精确化，为将来业务疾速倒退奠定了松软的底层存储撑持。
对于 AI 自动化驾驶场景来说，整个行业仍处于摸索实际阶段，业内采纳商用单机 NAS 的形式也比拟广泛，然而通过长期的生产实践后会发现，小规模单机存储搭配自动化驾驶数据快速增长的场景并不适合。同时，因为商用单机 NAS 的局限性，极易呈现业务倒退受到限制的状况，导致呈现业务并发性能有余、人工效率低、运维艰难等问题。
焱融科技深耕自动化驾驶行业多年，领有丰盛的自动化驾驶存储解决方案，可能定向利用于自动化驾驶场景，提供丰盛的文件存储服务，不仅能兼顾高性能、可能性和易用性，更能依照业务特点去优化存储，成为“最懂自动化驾驶的存储”。