智算中心的存储系统架构是怎样的？

1. 分层存储体系

智算中心采用分层存储架构，满足不同性能与成本需求：

• 热数据层：全闪存阵列（NVMe SSD），提供最高 IOPS 和最低延迟，用于模型参数存储和频繁访问的训练数据
• 温数据层：大容量 NVMe 设备，存储预处理后的训练数据集
• 冷数据层：高密度 HDD 或对象存储，归档原始数据和历史模型

2. 并行文件系统

并行文件系统是 AI 训练场景的核心存储组件，主流产品包括：

• Lustre：开源、成熟、超大规模，并行 I/O 性能卓越，适合超算和大规模 AI 训练
• GPFS（IBM Spectrum Scale）：企业级、功能丰富，元数据性能优势显著，适合小文件随机读写场景
• BeeGFS：轻量、易用、高性能，适合中小规模 AI 集群
• 华为 OceanStor Pacific：全闪、高密、多协议，企业级 AI 和大数据场景

3. 存算分离架构

现代智算中心普遍采用存算分离设计：

• 计算节点：专注 GPU 计算，通过 RDMA 网络访问远程存储
• 存储节点：独立部署，支持弹性扩展
• 优势：避免存储成为瓶颈，提升整体系统可靠性