金融行业如何针对结构化与非结构化数据，进行分布式存储的选型？

首先，我建议非结构化数据存储与结构化数据的存储要独立来考虑，不要期望一个产品能够满足两种业务的需求。One size fit all 的方案存在，但绝对做不到两个的最优解。

从硬件的选型角度，两者也很难统一在一套硬件上。
结构化数据侧重时延，数据 IO 相对比较小，数据容量的需求一般不是很大，数据的单位价值密度高。所以硬件往往配置相对好一些，如缓存 SSD 更大一些，更多采用 PCEI/Nvme 接口，提高性能； 数据盘的单磁盘容量更小一下（ <=4TB ，普遍 2TB ），甚至采用 SAS 磁盘，或者全闪存。

非结构化数据侧重在吞吐，并发性，而且一般容量需求比较大，数据的单位价值密度不高，所以硬件上往往配置相对低一点，如缓存一般采用 SATA SSD 即可，数据盘基本采用大容量的 HDD 磁盘，高密度服务。

其次，对于非结构化数据存储，在一般读写场景，非结构化数据的读写时延往往要求没那么敏感，各厂家之间差别有但对业务基本无感知。

最容易体现差异的地方，在于管理海量小文件的性能，特别是信贷类业务的影像系统，文件大小在几十 KB ～百 KB 之间，特别有些影像系统做过图像压缩 / 灰度优化的，可能更小，文件数量又非常大，中大型商业银行文件数量在数亿甚至数十亿文件。

对于这个场景，我们一般建议客户增加海量（接近 10 亿）级别的持续写入和读取性能测试，来评估底层架构的优劣性，这点各厂家的差异性很容易体现出来。比如持久 24 小时写入的性能平稳性， 空集群与 80% 以上集群的性能下降幅度。

另外，对于信贷类交易系统，还涉及到非结构化数据的元数据，如批次号的管理，建议考察分布式存储是否具备元数据检索功能，保证业务的平滑迁移。