对于大多数企业用户而言，数据具有阶段性热点访问的特点，超过一定时间后，80% 以上的数据逐步转冷。热数据的访问性能要求较高，经过一定时间周期之后，热数据逐渐变冷，应用访问这些冷数据的频率会变得很低。
如何解决海量非结构化数据存储及访问性能，同时兼顾企业用户对非结构化数据的整体使用成本，是 CIO 们面临的主要问题。
YRCouldFile 文件存储系统的智能分层功能，可以根据用户需要，自定义冷热数据策略，冷数据自动流动至低成本的公有云对象存储并完成压缩，向上仍然为业务提供标准的文件访问接口，并保持目录结构不变，数据在冷热数据层之间流动对业务完全透明，能有效地对成本和性能做好平衡。
近期，焱融科技发布了 YRCloudFile 新版本，该版本对智能分层功能做了全面的升级，将分层策略细粒度到目录级别。例如目录 A 的冷数据下刷到阿里云 OSS，目录 B 的冷数据下刷到AWS 的 S3，目录 C 的冷数据下刷到本地对象存储。
细粒度的分层策略有什么好处呢？
冷数据定义更灵活
众所周知，公有云的对象存储的使用成本，有三部分组成，存储容量费用、API 调用费用、网络流入流出费用。很多时候，API 调用或者网络流入流出费用，往往比存储容量的费用要大的多。
数据趋冷是个逐步的过程，在数据趋冷的过程中，有可能还是会被访问，这部分费用加起来也是一笔支出。YRCloudFile 目录级智能分层功能推出，就能很好的解决这个问题。它能帮助用户对冷热数据的区分更细化，对于趋冷数据，存放入本地对象存储，这部分数据可能还会有少量的访问；对于更冷数据，可以设置目录连接至无限容量的公有云对象存储上以作归档，这部分数据基本不再被调用。
So easy，不同应用，不同策略，不同对象存储厂商
对于数据中心而言，不同的应用，对冷数据的定义是不同的，对数据存放的要求也不同。例如，数据安全要求高的冷数据要求存放在本地；数据安全要求低的数据可以存放在公有云。又如，训练数据在被频繁的训练 2 周之后就不再访问，趋冷；训练结果数据则会在很长的时间段内一直需要频繁访问。
基于不同应用类型以及不同数据安全的考虑，我们也需要更灵活，更简单的策略。YRCloudFile 可以对不同的场景、要求，定义不同的冷数据策略以及冷数据存储的位置。
任性，想存哪里就存哪里
冷数据不再被某家厂商绑定，您可以将冷数据存放在全球范围内的各大公有云对象存储平台上，也可以选择私有部署的商业对象存储，或者开源的 Ceph 等。对接了不同的平台，并不意味使用难度会增加，您可以使用简单的 UI 界面，轻松简单地解决 YRCloudFile 和不同对象存储平台的对接。
https://www.bilibili.com/vide...
YRCloudFile 在追求极致高性能的同时，也在不断的优化海量数据生命周期的管理。未来，我们还会在数据生命周期管理上实现更多创新性的功能，敬请期待…… 😄
