关于海量的大数据文件传输问题

有这么一个问题，一直很困扰，就是关于海量的大数据文件传输问题。环境：企业局域网传输，数据文件都在华为的分布式存储里，然后通过 CIFS 进行共享工作。由于某个项目文件夹需要迁移，而这个文件夹内容几乎达到了 100TB 的内容，现在将这部分文件夹冻结进行迁移出这个分布式存储，然后就尴尬了。

传输速度峰值也就 250M 左右，用的是第三方工具叫 fastcopy 程序，这样大家也可以理解，是通过客户端，使用第三方软件，再到分布式存储共享文件夹，迁移到另一个异地环境，当然网络还是在同一个局域网里。

因为是分布式存储，我们也无法使用 rsync 这样的工具来进行镜像同步。问了售后的官方华为，给的方案也不是很理想，靠第三方工具来进行传输，而华为自家的传输工具也只能在同等环境下进行传输，也就是迁移的对象也是分布式存储系列。

然后，文件夹的内容是杂乱的，大大小小的都有，当然这里面的内容也不用去管它，我曾想过进行压缩，但这么多的海量文件，压缩起来也是非常耗时的。

不知道在 v2 的各位有什么好的建议吗？

我现在只能寄托于网络上进行找突破，在客户端设备硬盘条件 OK 的情况下，用堆叠网线来进行传输。当然用光纤也是不行，即使我的客户端设备有光纤网卡，但分布式存储环境并不支持。

Mithril

235 天前

@brando 没太用过华为云，不过 AWS 有类似的服务： https://aws.amazon.com/cn/snowball/
他会寄给你一个设备，你把它连到本地服务器，然后把数据复制进去。寄回去以后他们会把数据传到 S3 或者类似的服务里。
也可以用于从 S3 导出数据。

这种方式用于导入导出大量数据非常有效。

AWS 很久以前用的是硬盘邮寄完成这种工作的。不知道华为云是不是提供类似的服务，你可以咨询一下他们的销售。

brando

235 天前

@Mithril #3 我这是企业私有云（就是企业内部服务群集），您说的这种是数据用公有云，我们客户端传输的速度给公有云会直接死翘翘的，如果是公有云，一般直接在线扩容（或者你说的 AWS ，直接用 AZCOPY 这种功能），关键我们这边不想再部署那么大的服务群集在本地了，毕竟机房限制也会有瓶颈。

EMMMMMM ，我另外再想想办法突破下。

Mithril

235 天前

@brando 你说华为的分布式存储我还以为你用的是华为云。是那个存储设备是吧？那就更简单了。

直接存储上挂硬盘，数据复制到硬盘里，然后硬盘拿到目的机房挂到服务器上导入进去。

不过虽然一般大容量的文件传输不会走网线，但你这网络速度都已经能到平均 250MB/S ，用硬盘迁移也快不了多少的。你挂 USB 顶多 500MB/S ，然后你到目的机器还得读出来。SATA 极限速度也就差不多这样了，除非你用 SSD 。个人感觉还不如想办法去优化网络。

brando

235 天前

@Mithril #6 存储是分布式的，不能直接挂靠硬盘，分布式的存储方式和普通的存储是两回事。大容量的数据是可以走网线的，但目前资金有限，没法在升级网络硬件的情况下，有个叫 RoceV2 的协议，当然现在是只能从现有的环境条件去一步步分析了。

客户端设备硬盘是 M2 的，但这个不是问题所在，就是你最后所说的，还是核心网络方面有点问题，毕竟网卡都 20G ，40G 了。（我是后妈，对前期的资源或设置是不了解嘀）

挂靠移动硬盘毕竟是有风险存在的，并不是很可靠，对企业来说是个硬伤，何况数据是几十 TB 的文件了。

Mithril

235 天前

@brando 可能我没说清，不是直接把硬盘挂上去，而是用一台带高速网卡的机器直连，然后那台机器写硬盘。
这个硬盘只是用来转移数据的，你自己应该还是有校验的。

不过你说得对，还是先搞网络吧。就算你现在核心网有问题，这速度也比你折腾这个硬盘方案快。

bt7vip

235 天前

是单链路峰值 250m 吗，如果是的话，一个存储挂多台设备，然后文件夹分类，A 机器传 A-C 文件夹，B 机器传 D-G 文件夹，这样链路聚合宽带会加快速度，省钱费时间，要想快就找供应商提供全闪对拷，但机器进到机房和接入存储要走不少流程，需要你的供应商协调好。

brando

234 天前

@bt7vip 不是单链路，我也有考虑过堆叠线和链路聚合的方式，因为听说分布式是网卡 20G 的，有 2 个链路连接到核心交换机上，海量的碎片文件是非常多，但是以 G 为单位的文件也不在少数，所以我就觉得 250M 这个实在是低。进机房和就介入存储到不是问题，关键是能帮助企业解决些问题才是实实在在的。🥰
@Mithril #9 能提供一些思路和方式，很感激您。。感谢感谢！🥰