几百万张缩略图硬盘存储方案?

上 hdfs 之类的文件系统？小文件合并存储，当然读取的话要走接口了

噗嗤，之前存过几十万张，每张 0.5~1MB 左右的，即使丢进 SSD，读写的时候还是想死，关注一下大家有什么好方案

@keepeye 只是个小服务,而且这个量级好像也没必要使用第三方云服务,linux 自带文件系统搞定搞定最好

最方便的就是生成然后上传到 oss

用私有格式直接合并存储合并读写

leveldb 之类的 kv 应该可以吧？

要不 直接丢到 mongodb 里？

早点习惯用云解决这类问题，就可以早点从这类问题背后的性能、备份、CDN 等等更细节的问题里解脱出来。

这个还要看具体是怎么读写的。比如读、新增、删除文件都是什么频率的。

如果图片的大小相差不大，可以这样简单实现。把图片按大小分成几类，比如小于 10k、10k - 30k、30k、50k 等等。然后为每类图片分配一个大文件和索引文件。像 10k 文件按 10k 的块来使用，在索引文件记录文件名和对应文件偏移。

这样虽然会浪费一些空间。但写入读取（因为省去打开关闭过程，比单文件读要快）、删除（只需要写索引文件）图片都非常快。

如果不想费事，可以找个 kv 数据库，但性能会差些。

本地的话建议用 LevelDB 或者 rocksdb 这种本地 kv 存储

图片量不小了。可以用阿里云腾讯云，不放心的话可以用 minio 搭建个私有存储。

腾讯 cos 便宜好用~ 不烦神。

seaweedfs

一定自己存的话肯定不能丢一个文件夹，文件名 hash 之后取 hash 前缀分文件夹存试试

了解一下 mr4c, google earth engine?

直接用 ext4 存了千万级缩略图的表示，没什么性能问题，跑的很欢，不需要特别做优化
原图是存在了 S3 上，本地缩略图再不济可以获得原图再生成一次缩略图

https://www.kernel.org/doc/html/latest/filesystems/ext4/index.html

必须用单机环境的话，你得知道目录下最多 500 张

HDF5 可以了解一下
https://www.hdfgroup.org/

@opengps 为啥最多 500 张？

百万级的文件，单机不好搞了吧，不想上专门的文件系统，也可以导入 RMDB 里面

minio
可以做分布式了，都说是开源的 aws s3

小图 不上 DB 那种存文件的，读取不是想死？

@dog 只是个概念，单个文件夹之下的数量不宜过多

豆瓣是自己造轮子解决的：beansdb

两个亿的图片怎么比较好？频繁读，少量写

@Livid 单机呢？
然后不管多出来的网络成本，确定把问题转换为风险管控和砍价上兜得住么。
二次开发成本呢？
（怕是要和抠脚皮大汉打一架：Who does that server really serve?）
我现在要在本机索引万以上的大小 1M 左右的截图，要求能任意两图之间快速预览加注标签近似比较自动去重，持久存储效率平均不低于 FLIF 的 30%；暂且先不管价钱，有什么 IaaS 方案能救吗？

@FrankHB zfs 可以做到自动去重，但可能有点耗内存

@tenwx 不是基于直接二进制比较或者 hash 的去重，跟内容特征相关，基本上肯定是要二次开发的。
不过这个是没支持手动标注分类的优先级高……考虑到我的输入数据中大部分特征相似分类也不太复杂，但是各种奇形怪状，不容易自动提取，短时间内弃疗了，实在不行等标记完一并手动凑数吧。
个别情况有损压缩和无损图源会在同一个地方倒是适合自动，不过数量不多也算了……

@keepeye hbase 吧。还挺好用的。

@winglight2016 riak 吧。分布式的。