5. 存储方案选型
本章目标
- 建立"接口 → 负载 → 短名单 → 成本/风险"的选型流程
- 会用 storplan 做容量/性能/成本演算
- 能写一份经得起评审的选型报告
5.1 选型四步法
text
① 接口匹配：应用怎么访问？（块/文件/对象/POSIX/S3/CSI）
② 负载画像：IOPS 型 or 带宽型？小文件 or 大对象？读写比？峰值形态？
③ 短名单 + POC：2~3 个候选，实测（fio/elbencho/s3 压测）
④ 决策：TCO + QoS + 多租户 + 团队技能 + 风险多数选型失败不是选错了产品，而是跳过了①②直接比参数表。
5.2 方案速查（对照 storplan 选型表）
| 类别 | 方案 | 定位与注意 |
|---|---|---|
| 高性能文件 | VastData / GPFS ECE / Weka | AI/HPC 主战场，商用支持 |
| 高性能文件 | CephFS | 开源统一存储；AI 场景慎用（MDS 元数据瓶颈，storplan 明确标注） |
| 对象 | XSKY XEOS / Ceph RGW / VastData S3 | S3 生态、备份归档、冷热分层 |
| 块 | VastData Block / Ceph RBD | 虚拟化/云盘/数据库 |
三条决策经验：
- QoS/多租户硬需求推商用：开源方案的多租户隔离与 QoS 能力普遍弱于商用（GPFS 的 fileset 授权、Vast 的 DASE 架构为此而生）
- 团队技能是隐藏成本：Ceph 便宜但"原厂支持"贵在人力 —— 第二篇全部内容就是这份人力账单
- 统一存储的诱惑要警惕：一套集群三种接口 = 故障域也统一；关键业务与备份归档是否真的该同生共死？
5.3 实战流程（本篇 Lab 的骨架）
text
需求采集 → storplan 演算 → POC（实测校准）→ TCO 对比 → 风险评审 → 答辩
│ │ │
│ │ └─ elbencho/fio/s5cmd，用第二、三篇的测量技能
│ └─ 输入容量/带宽 → 输出节点/盘/网配置与成本
└─ 容量与增长（第二篇 7.5 时间线）、延迟与 RPO/RTO、并发与多租户POC 纪律：同硬件、同负载模型、同报告格式，否则对比无效 —— 这是把第一篇基线思想用到选型上。
TCO 公式（5 年）：
text
硬件 + 软件授权/订阅 + 部署实施 + 运维人力（人月×成本）+ 培训 + 停机风险成本
开源≠便宜：省下的授权费会出现在人力与培训两栏5.4 报告模板（10 页以内）
- 需求摘要（一页表格：容量/带宽/IOPS/延迟/增长/RPO-RTO/多租户）
- 候选方案与淘汰理由（含放弃方案 —— 评审最信服的部分）
- POC 数据（每方案同格式：小文件 IOPS、聚合带宽、P99、故障恢复时间）
- TCO 对比（5 年，分栏公式）
- 风险与对策（技能储备、供应商锁定、扩容路径）
- 结论与分阶段实施建议
本章小结
- 四步法：接口 → 负载 → 短名单 → TCO/风险；参数表对比是最差的起点
- QoS/多租户硬需求与团队技能是开源 vs 商用的两个隐形天平
- POC 三同纪律：同硬件、同负载、同报告
- 放弃方案的理由是报告最有说服力的部分
自测
Quiz客户需求：AI 训练平台，数千 GPU 并发读小文件数据集，峰值读带宽 100GB/s，多租户隔离强需求。storplan 选型表框架下最应该优先评估的组合是？
多选关于 TCO 与选型决策，合理的判断包括？(多选)
Lab · 模拟一次真实选型答辩挑战
场景：客户需要 AI 训练平台存储 —— 2PiB 有效容量、读 100GB/s 聚合带宽、千卡 GPU 并发读小文件、多租户隔离、预算敏感。 1. 用 storplan 对比 GPFS ECE / Weka / Ceph 全闪三套配置，记录每套的节点/盘/网与成本输出。 2. 用你实验集群的实测数据（第二、三篇 Lab 产物）支撑性能论据，说明哪些数字可信、哪些需要 POC 补测。 3. 按 5.4 模板写 ≤10 页报告，做 10 分钟答辩（同伴/同事扮演评审，至少提 3 个刁钻问题）。 4. **验收标准**：评审问不倒 —— 每个数字有出处（storplan/实测/假设三选一并标注），每个风险有对策，每个被淘汰方案有理由。
📎 参考手册 ↗