复杂的计算问题正随着科技的发展而变得普遍，各行各业都在努力通过提升计算能力，满足高频交易、仿真模拟、机器学习和深度学习等需要高性能数据分析的应用程序。

在快速增长的海量数据环境中，用户更需要精心规划、科学管理宝贵的数据存储资源。因此，HPC技术应运而生，它使用并行工作的强大处理器集群，处理海量多维数据集（大数据），能够以极高的速度解决复杂问题。

在现象级的ChatGPT等人工智能技术席卷全球的当下，通过采用HPC技术，提升已有设备算力，实现大规模机器学习/深度学习，从而更好地利用人工智能，为企业创造价值，更是成为了众多科技密集型企业眼下最为关注的问题。

人工智能正在逐步改变着企业的业务方式

俗话说：“工欲利其事，必先利其器”，为了保障HPC的平稳运行，需要及时对其中的数据进行分层存储，从而支撑HPC系统的I/O高性能表现。当前的HPC基础设施普遍存在三层存储：

• 供计算节点直接访问的高端存储层：一般由昂贵的闪存驱动器构成，配以高性能共享文件系统（Lustre/GPFS）；

• 大容量分布式NAS或共享存储层：供科研用户存储业务数据和工作文档，这些数据时刻准备提供给前端算力节点，用于高性能实验或模拟仿真。这一层大多采用高性能共享文件系统（Lustre/GPFS）或高性能NAS/对象存储(OceanStor，NetApp)等，是HPC海量存储的主存储层；

• 访问速度较慢但成本低廉的冷数据存储层：用于数据长期静态归档或法规遵从，设备包括近线或离线磁带库、蓝光库或冰川类云存储。

在以HPC为典型的科研领域，非结构化数据量及其增长速度都非常惊人。数据量的增加对生产节点存储和中间层共享主存的影响最大，HPC用户需要在两者间处理更频繁、更大量的数据搬移业务，在此过程中，数据始终处于活跃状态，因此也称为动态归档（Active Archiving）。

有别于数据在中间层主存与离线冷存储层之间的静态归档，动态归档的业务需求最多，I/Os请求最频繁，是HPC海量数据流动的核心。但面对日益复杂的数据移动和管理需求，一些HPC机构科研人员自行使用软件工具，完成各自的数据搬移，这些做法虽有一定效果，但同时也引发出多种风险，以至影响整体存储设施的性能和安全。

针对HPC数据归档之中存在的种种问题，鸿翼备份推出了HPC数据动态归档解决方案，能够统一规划海量数据管理与移动，针对业务痛点，助力用户经济高效地解决棘手问题，实现多重价值：