本节为您介绍平台对于 AI 资产的存储方案。平台灵活高效的存储策略，既给予用户丰富的存储选择，又可以降低训练数据读取速度的瓶颈，保障存储内容安全可靠，从而提高模型的训练速度。

存储方案

平台存储方案包括：

• 全内置存储
  平台中所有 AI 资产都由平台自己存储。
• 内置存储 + 外接存储 平台中的 AI 资产可以部分存储在平台内部，部分存储在外接存储中，外接存储支持 NFS 存储和对象存储（S3 协议）。

支持分布式

平台支持分布式存储，部署平台时指定存储副本数比如指定为 3 副本，则当用户在平台中产生需存储的数据时，这些数据将会被存储为一模一样的三份，当有副本因为故障或掉电数据毁坏时，平台为用户提供了恢复副本的能力。分布式存储为用户的数据安全提供了保障，避免了模型训练因数据存储问题而降低效率。

支持多级缓存

平台采用多级缓存策略，结合业界成熟的存储技术和趋动专利读写方法，为平台的存储带来如下优势：

• 缓存资源成本低

  • 内存回收方便，小文件不会造成内存碎片，大大提高内存利用率。
  • 硬盘作为内存缓存的扩展，可减少内存使用，降低成本。

• 读写效率高

  • 分片存储减少内存读写锁的竞争，提高内存读写效率。
  • 成本降低后，缓存资源丰富，可将远端数据提前缓存至本地，提高模型训练对远端数据的读取速度。