AI 存储

AI 训练把数据管道、向量索引与 checkpoint 全部压在存储上，写放大与碎片化比传统负载更严重，一次存储故障就可能让训练回退数天。恢复除了保数据，更要保时效——先抢救最新 checkpoint 与增量。

常见问题

1. 1训练集群的存储坏了能救吗？
   能。重点是先保住最新 checkpoint 与元数据，再重建数据管道，优先恢复训练连续性。
2. 2向量库损坏怎么办？
   向量索引可重建，源数据与 checkpoint 才是关键，按数据链优先级恢复。
3. 3怎么减少训练存储风险？
   checkpoint 分离存储、快照 + 异地副本，故障时先保最新状态。