数据湖存储有两个主要选择

如果答案是肯定的，我们可以得到一个非常统一和简单的存储架构。底部是数据湖，从数据系统到 AI 对于系统各环节的需求，数据流量将大大简化，各环节的连接运行效率也将大大提高。

事实上，数据湖存储有两个主要选择。一是以 HDFS 以分布式文件系统为代表，另一种是对象存储。通过对两种系统的架构进行比较，可以观察到两点：

这些免费的数据湖解决方案为构建大型数据湖架构提供了可靠的数据存储和处理能力。需要注意的是，虽然这些服务本身是免费的，但在实际使用中可能会产生其他费用，如存储容量和数据传输。在选择合适的数据湖解决方案时，请根据项目需求、云平台偏好和成本考虑进行评估。

带着这个结论回到我们开始的问题上，我们可以看到基于对象存储的云原生数据湖可以很好地解决数据系统中各个环节的连接。但是 AI 可以用同一套存储来解决系统各环节的数据流和连接问题吗？

统一身份认证解决方案

此外，与可用性、吞吐量和生态支持相比，对象存储也具有一定的优势。所以虽然 HDFS 起步较早，但总的来说，对象存储是数据湖存储的更佳选择。

综上所述，以数据为基础，以技术为驱动的运维系统开辟了“开发、交付、运维、运营”的全过程闭环，有效提高了金融技术服务的迭代速度、运维效率和运营价值，为兰州银行的数字化转型提供了新的引擎。随后，兰州银行将继续积累运维经验、多场景、多方向的案例实践，尝试构建运维领域的知识地图和运维知识库，逐步访问更多数据源，建立运维数据标准，构建运维数据湖，最终实现生产保障价值，解决实际痛点，使生产稳定运行，提高客户服务体验。

此外，华为分布式存储领域副总裁韩振兴表示，在过去的两年里，中国已经建立了许多计算能力中心，许多省份也开始建立大量的存储能力中心。同时，由于大型培训需要快速处理数据，对性能指标有更高的要求，将产生高性能存储的新类别，加快存储在各个环节的集成，类似于数据湖存储，而不是过去的预处理、培训、推理和收集。