- 产品与解决方案
- 行业解决方案
- 服务
- 支持
- 合作伙伴
- 新华三人才研学中心
- 关于我们
当前，L4级自动驾驶已成为业内大多数厂商的技术路线。在L4级自动驾驶系统的研发中，需经过数据采集、数据汇聚、清洗标记、模型训练、模拟仿真、大数据分析等多个环节，期间涉及对海量数据（如雷达系统、视觉系统等多种传感器数据）的汇聚存储，不同环节、不同系统之间的数据流转，以及模型训练时对海量数据的读写，最终形成一个高度精准的数据处理模型，从而实现自动驾驶。
高带宽、低时延：模型训练环节需要频繁在存储设备中读写数据，对存储的带宽要求较高。原始模型开发的过程中需要调用TB级数据集，且模型在开发的过程中也会产生很多需要存储的中间数据，而系统瓶颈一般会在数据存取性能上。
海量存储：以一辆信息采集车为例，每秒产生约700MB的数据，用户研发周期内数十PB数据量。这对存储规模和成本都提出了较高的要求。
融合存储：大部分用户需求多种存储，要求数据能被统一管理。
存储高可靠性：系统对软硬件故障的容错能力有较高要求，以保障业务连续性。
高性能，单集群带宽可达上百GB/s：通过智能负载均衡、分布式 DCache 加速、小文件聚合、元数据分离部署提供高性能存储
灵活扩容，业务不中断：支持在线扩容，单子集群可达288节点，满足大容量存储要求。同时支持高性能纠删码，提升硬盘存储空间利用率
丰富的企业级特性：对象数据检索、生命周期管理（数据归档）、海量数据（单桶20亿）
集群亚健康管理机制，提前识别并隔离硬件风险：当存储集群的规模变大之后，硬件故障发生的频率也随之增大。H3C UniStor X10000提供有效的硬件故障处理机制，实现自动化容错。硬盘亚健康检测（慢盘、坏盘、坏道），网络亚健康检测（时延过高、震荡/丢包错包等），以及节点CPU、内存占用率过高等智能管理机制，能够提前感知硬件故障，并主动采取修复或隔离措施，保障存储服务的高可用性
售前咨询
售后咨询
人工在线咨询
