IBM Storage Scale

原 GPFS 并行文件系统，面向高性能计算与 AI 场景提供 EB 级横向扩展能力，是高吞吐训练数据访问的经典方案。

它到底解决什么问题

一句话说清楚：IBM Storage Scale 就是原来的 GPFS，一个为“数据量大到普通文件系统扛不住”而生的并行文件系统。它把多台存储节点组成一个统一的命名空间，让成百上千个计算节点同时读写同一批文件，带宽随节点数量线性往上堆。典型场景是高性能计算（HPC）和 AI 训练——模型要反复读取海量小文件或大样本集，传统 NAS 很快就卡在元数据和吞吐上，而 Storage Scale 的设计目标就是让数据访问不成为瓶颈。

该用它的信号很直接：你的训练集群有几十上百张 GPU、数据集在 PB 级、多个作业并发抢同一份数据，或者你需要一套存储同时服务 HPC 仿真和 AI 流水线。如果只是几台服务器共享几百 GB 文件，用不着它。

横向扩展是怎么做到的

核心机制是把文件切分后分散到所有存储节点上，元数据也分布式管理，没有单点瓶颈。加节点就加容量和带宽，EB 级不是宣传口径，是实际部署中能达到的量级。它支持多种后端，本地 NVMe、JBOD、外部 SAN 都能接，也提供纠删码和副本两种数据保护方式，按成本与可靠性取舍。

对 AI 场景比较实用的一点是它对小文件和高并发元数据操作的处理——训练数据预处理阶段往往产生大量小文件，这块如果拖后腿，GPU 利用率直接掉下来。另外它提供 POSIX 兼容接口，现有代码基本不用改就能跑。

部署形态和周边能力

除了自建集群，IBM 也提供云上版本和容器化部署方式，Kubernetes 环境里可以通过 CSI 驱动挂载。它自带分层能力，热数据放闪存、冷数据自动下沉到对象存储或磁带，这对长期保存训练数据集比较省成本。监控、配额、快照这些运维功能都是标配，不算亮点但够用。

谁在用它

全球不少超算中心和大型 AI 训练平台跑的就是这套东西，金融、气象、生命科学领域也常见。选它的理由通常不是便宜，而是规模上去之后还能稳住性能。如果你的数据增长曲线很陡、又不想每隔两年换一次存储架构，它值得放进候选清单里比一比。

常见问题

IBM Storage Scale 是什么？

原 GPFS 并行文件系统，面向高性能计算与 AI 场景提供 EB 级横向扩展能力，是高吞吐训练数据访问的经典方案。

IBM Storage Scale 的官方网站是什么？

IBM Storage Scale 的官方网站是 https://www.ibm.com/products/storage-scale，可直接在浏览器中打开使用。