概述

交付智能异构存储引擎系统原型，相较于VAST DASE 等现有异构存储架构，在同等测试条件下，实现延迟降低20%、带宽提升30%的性能，完成原型与浪潮分布式存储AS13000 对接适配。

需求详情

研究面向AI 训练与推理场景的特有I/O 模式建模与预测方法。深入分析并刻画训练与推理两类任务在数据访问模式上的独有特征，构建能够精准预测其未来I/O 行为的轻量化模型，为底层的存储资源调度提供准确的决策依据。研究基于上述预测的动态介质管理与数据智能分流引擎，设计并实现一个能自适应不同AI 负载的智能异构存储引擎。依据智能预测模型对数据热度的精准划分，针对训练场景的写入密集型负载与推理场景的读取密集型负载，研究与之高度匹配的弹性资源分配与数据调度策略，并结合研究先进垃圾回收与负载均衡算法，最终构建一个系统的解决方案，整体提升存储效率并缓解性能瓶颈。交付智能异构存储引擎系统原型，相较于VAST DASE 等现有异构存储架构，在同等测试条件下，实现延迟降低20%、带宽提升30%的性能，完成原型与浪潮分布式存储AS13000 对接适配。