---
title: 应用场景
description: "随着互联网大数据应用、云原生业务和AI融合应用的快速发展与落地，数据呈爆发式增长。传统的存算一体架构面临横向扩展困难，同时在云化趋势下数据资源共享度变低，因此存算分离架构成为未来发展趋势。但存算分离架构会导致计算侧的应用跨网络访问存储侧的数据，使得业务IO性能降低，并且大规模的计算节点部署也会导致计算侧的资源利用率降低。"
url: https://www.hikunpeng.com/document/detail/zh/boostsds/BoostIO/kunpengboostio_feature_003.html
sourcePath: /source/zh/boostsds/BoostIO/kunpengboostio_feature_003.html
indexId: 4eba429bd45ea29f3bfdd19f5b8e54c3263c30c1fbf3e22f848003046fe292ee59
---
# 应用场景

随着互联网大数据应用、云原生业务和AI融合应用的快速发展与落地，数据呈爆发式增长。传统的存算一体架构面临横向扩展困难，同时在云化趋势下数据资源共享度变低，因此存算分离架构成为未来发展趋势。但存算分离架构会导致计算侧的应用跨网络访问存储侧的数据，使得业务IO性能降低，并且大规模的计算节点部署也会导致计算侧的资源利用率降低。

BoostIO基于华为鲲鹏计算平台构建了计算侧高性能分布式读写缓存，再结合开源JuiceFS的广泛应用生态和优秀的北向兼容性，着力解决大数据领域和AI融合领域在存算分离架构下的性能损失问题。

当前大数据领域广泛应用的Spark计算引擎在存算分离架构下存在数据集加载慢的性能瓶颈，AI融合领域的大模型应用在存算分离架构下存在数据集加载慢和Checkpoint写入慢的性能瓶颈。BoostIO通过以下方式突破性能瓶颈：

- BoostIO基于计算侧的内存介质和高速磁盘构建多级分布式写缓存，结合RDMA高速网络和多副本冗余机制保证数据高可靠，让应用IO集中在计算侧缓存，从而降低数据写时延。
- BoostIO创新性地采用读写缓存独立架构设计，可以带来缓存资源独立配置、淘汰策略灵活配置、资源使用互不影响等优势。
- BoostIO采用分布式读缓存叠加数据智能预取和冷热识别，可以保证热、温数据尽可能缓存在计算侧的内存和高速磁盘介质上，冷数据存储在后端大容量存储集群中，其目的是提高缓存命中率，降低应用数据读取时延。

综上所述，BoostIO可以很好的解决大数据领域和AI融合领域的性能瓶颈问题，提升端到端应用性能表现。

图1 场景说明