對象存儲非常適合長期備份和歸檔，如何將高性能對象存儲擴(kuò)展到大規(guī)模、高容量的工作負(fù)載，人們對此需要進(jìn)行了解。

　　對象存儲最有趣的方面之一是其用途的多樣性。盡管對象存儲通常用作歸檔存儲區(qū)、原有數(shù)據(jù)的目的地，以及文件服務(wù)器的替代品，但實際上有許多方法可以應(yīng)用對象存儲。隨著供應(yīng)商開始提供性能優(yōu)化的對象存儲，該技術(shù)已經(jīng)為用于一組全新的工作負(fù)載準(zhǔn)備就緒。

　　高性能對象存儲不僅僅需要從基于硬盤的對象存儲系統(tǒng)切換到全閃存對象存儲。向全閃存介質(zhì)的遷移無疑會有所幫助，但是對象存儲系統(tǒng)（很大程度上要歸功于其豐富的元數(shù)據(jù)）通常具有太多延遲，無法有效利用閃存性能。

　　創(chuàng)建高性能對象存儲系統(tǒng)的另一個挑戰(zhàn)是基礎(chǔ)設(shè)施的橫向擴(kuò)展特性。為了滿足容量需求，對象存儲將大量節(jié)點添加到存儲集群中。每個節(jié)點的容量都被吸收到集群中，從而創(chuàng)建一個存儲池。在大型橫向擴(kuò)展集群中，具有數(shù)十個節(jié)點都是比較常見的。聚合和管理這些節(jié)點的等待時間可能很長。

　　人工智能和深度學(xué)習(xí)的對象存儲挑戰(zhàn)

　　非結(jié)構(gòu)化的大型數(shù)據(jù)工作負(fù)載（例如人工智能和機(jī)器學(xué)習(xí)以及深度學(xué)習(xí)）是對象存儲架構(gòu)如何成為高性能工作負(fù)載的一個很好的例子。理論上，這些工作負(fù)載對于對象存儲而言應(yīng)該是理想的。它們擁有數(shù)百萬甚至數(shù)十億個文件，而存儲所有這些數(shù)據(jù)需要大量的SSD硬盤或HDD硬盤，因此需要許多節(jié)點。這些過程也是受吞吐量驅(qū)動的。

　　所有這些因素的結(jié)合使ai服務(wù)器和深度學(xué)習(xí)針對對象存儲的高節(jié)點數(shù)存儲集群量身定制。大多數(shù)與人工智能通信的框架（例如TensorFlow）用于驅(qū)動人工智能服務(wù)器和機(jī)器學(xué)習(xí)工作負(fù)載，它們都使用Amazon S3協(xié)議。大多數(shù)對象存儲系統(tǒng)也是基于S3存儲桶，并且S3存儲桶本身是高度并行的。從理論上講，對象存儲基礎(chǔ)設(shè)施應(yīng)該能夠滿足人工智能和機(jī)器或深度學(xué)習(xí)工作負(fù)載的需求。

　　但是，此方法不僅僅需要創(chuàng)建一個全閃存對象存儲系統(tǒng)。該系統(tǒng)必須能夠解決這樣一個問題，即可能會有數(shù)十個（即使不是數(shù)百個）節(jié)點，而元數(shù)據(jù)以及集群管理也帶來了挑戰(zhàn)。

　　應(yīng)對元數(shù)據(jù)挑戰(zhàn)

　　元數(shù)據(jù)是關(guān)于數(shù)據(jù)的數(shù)據(jù)，它對高性能對象存儲帶來了挑戰(zhàn)，其原因有兩個：第一個挑戰(zhàn)是，對象存儲系統(tǒng)需要更多時間來管理其豐富的元數(shù)據(jù)。由于大多數(shù)對象存儲供應(yīng)商會在集群中指定一定數(shù)量的節(jié)點來管理和存儲元數(shù)據(jù)，因此管理更加復(fù)雜。在人工智能和深度移動學(xué)習(xí)等工作負(fù)載中，專用的元數(shù)據(jù)控制器通常不堪重負(fù)，并成為系統(tǒng)瓶頸。因此，服務(wù)器閃存驅(qū)動器甚至硬盤無法充分發(fā)揮其潛力。

　　第二個挑戰(zhàn)是集群通信。大多數(shù)橫向擴(kuò)展NAS或塊存儲系統(tǒng)的節(jié)點數(shù)都比較少。在網(wǎng)絡(luò)附屬存儲（NAS）和塊用例中，擁有六個節(jié)點的存儲集群被認(rèn)為是大型的浪潮服務(wù)器存儲系統(tǒng)，但在許多對象存儲部署中，六個節(jié)點只是一個入門級別。而節(jié)點間的通信成為一個大問題，尤其是在不涉及性能的歸檔的用例中。

　　要創(chuàng)建高性能的大規(guī)模對象存儲解決方案，需要解決元數(shù)據(jù)性能和集群管理問題。下一代對象存儲將元數(shù)據(jù)分布在集群中的每個節(jié)點上，而不僅僅是幾個控制器。元數(shù)據(jù)的分布可確保每個節(jié)點都具有響應(yīng)I/O請求所需的所有信息。