车辆将越来越多地设计为本地收集、处理和存储数据，并在适当时候有选择地上传数据。这将在车内以及云端产生对数据存储和计算基础设施的需求，今天我们就介绍一下希捷的自动驾驶汽车边绿存储解决方案。
自动驾驶车辆将生成多少数据?
自动驾驶训练汽车每天都会通过车载传感器(激光雷达,摄像头,亳米波雷达等)采集4-10TB的数据,并储存在车载存储单元中。长期积累会达到几PB甚至几+PB的海量数据,这些数据对于自动驾驶算法训练与优化至关重要。
自动驾驶汽车会产生海量数据，并不是所有的数据都会存储在车里。其中一些将被丢弃或转移到云端。很难精确地测量生成的数据量。传感器产生的数据取决于其应用和规格。例如，根据分辨率、颜色深度、帧速率和压缩级别，前置摄像头生成的数据可能在70 GB/hr到300 GB/hr之间。
自动驾驶汽车生成的数据量也取决于车辆类型。例如，与乘用车相比，自动驾驶出租车和OEM测试车辆对硬件成本不太敏感，它们将生成更多的数据。当与同等自动化程度的乘用车比较时，一辆典型的车企测试车辆将生成多出约80%的数据量。将20多种不同类型的传感器集成到L4级自动驾驶汽车的ADAS中，车辆可以生成1-2TB/hr范围内的数据，这取决于是乘用车、商用车还是自动驾驶出租车。
自动驾驶数据存储痛点
如果将海量的数据存储至公有云,在公有云中需要频繁地上载/下载某部分数据片段用于本地训练会面临如下困难:
1、带宽瓶颈凸显,速度会非常慢,导致效率降低;
2、公有云上载/下载都需要计费,长此以往,会产生大量成本。因此,许多自动驾驶科技公司寻求建立“PB级别私
有云”,形成车队(端点采集)-私有云(边缘存储与训练)-一-公有云(核心数据冷备)的架构。提升本地开发的效率,降低数据存储与处理的成本。
希捷汽车边缘存储解决方案及方案优点
希捷 CORTX 高性能对象存储系统，基于希捷 Lyve Rack 硬件平台和 COR 下 X 对象存储软件构成。 Lyve Rack 凭借5U84或4U106的高密度的存储单元，提供PB级的可用空间作为边缘中心的存储系统，同时借助搭配的2节点服务器，以及CORTX软件对象存储软件，可以轻松实现对于海量对象数据的管理，客户可在上层搭建自己开发的软件算法，可针对采集回来的车载数据进行敏捷的处理。
