云存储硬核技术内幕——开篇

方老师有一个朋友，叫小B，是江疏影的粉丝，还有一个朋友，叫小L，是作家方方的粉丝。

小B和小L经常在群聊里用自己的偶像和呕像斗图，导致群里是这样的画风：

显然，人民群众们用行动表示了拥护谁，反对谁，并提出要求，如果小L再发自己的呕像，必须发红包谢罪。而小B发自己偶像可以换取群主的红包。

然而，由于大家不可能实时监测到群里所有图片，因此，大家打算众筹开发一个小程序，利用机器视觉（CV）来识别偶像和呕像，并委托方老师搞定运行小程序的云资源。

方老师的朋友XX，是全球TOP高校的博士，机器视觉算法专家，人称X博，号称能让电脑阅尽天下AV，心中自然无码，并靠此本领拿到大厂年薪千万的offer，财务自由。

X博说：“若想让电脑做成此等好事，须具备潘、驴、邓、小、闲……”

方老师：“纳尼？”

X博意识到自己最近金瓶梅看得太多了并撤回了上一句话。

X博：“若想训练电脑识别人脸，需要多给神经网络喂素材……”

原来，CV训练的过程，需要GPU集群做以下的事情：

1. 读取海量的图片素材；
2. 将训练的模型持久化存储；
3. 回到1，迭代模型；

最后，将识别出的江疏影和方方的结果存放在结构化的数据库中，便于统计谁应该发红包，发多少。

显而易见地，在云上运行这个应用，需要云提供以下的存储资源：

1、可高效访问海量的图片的存储；

2、可快速迭代的神经网络权重模型的持久化存储；

3、高性能随机读写的数据库存储；

那么，用什么样的存储技术，能帮助X博的APP去掉AV的马赛克，并识别江疏影和方方呢？

让我们开启新的专题——云存储硬核技术内幕。