“存算分离”架构的底层存储，是否可以采用“对象存储”？是否有案例？

可以运用在hadoop的大数据分析场景，hadoop的存储集群采用1个name node+ 多个data node的存储架构，name node单独存放元数据，存在性能瓶颈。利用对象存储适配hadoop存算分离，有以下几大优势

（1） hdfs目前生产使用只有副本，替换对象存储可以支持EC纠删，大幅节约硬件投入
（2） 只有桶和对象两层数据存储架构，加上原生的数据检索引擎，可以实现高效的数据检索

（3） 区别于备份方案，数据永久实时在线，随时提供数据读写

（4）原生支持Hadoop HDFS大数据分析平台，对接HDFS，数据统一存储和调取

（5）对象存储元数据采用分布式架构，每个节点都存放有元数据，并发响应读写需求，取代单个HDFS的单个name node的性能瓶颈和单点故障

（6）对象存储可支持百亿文件的存储，完美适配大数据的海量文件的存储需求

（7）采用XSpeed技术实现小文件聚合下刷功能，化随机写为顺序写，加速对于小文件的写入性能；by pass技术实现大文件直接下刷至HDD，充分发挥HDD的高吞吐的优势

（8）提供数据在线压缩和重删，提升数据的存储效率，为客户节约采购成本