存儲塊數量

① 存儲器存儲容量怎麼算

存儲器的存儲容量的基本單位是位元組（Byte）。但由於目前存儲器的容量都很大，因此常用KB、MB、GB以及TB作為存儲容量的單位。

換算：

1B（byte，位元組）= 8 bit；

1KB（Kilobyte，千位元組）=1024B= 2^10 B；

1MB（Megabyte，兆位元組，百萬位元組，簡稱「兆」）=1024KB= 2^20 B；

1GB（Gigabyte，吉位元組，十億位元組，又稱「千兆」）=1024MB= 2^30 B；

1TB（Terabyte，萬億位元組，太位元組）=1024GB= 2^40 B；

1PB（Petabyte，千萬億位元組，拍位元組）=1024TB= 2^50 B；

1EB（Exabyte，百億億位元組，艾位元組）=1024PB= 2^60 B；

1ZB（Zettabyte，十萬億億位元組，澤位元組）=1024EB= 2^70 B。

(1)存儲塊數量擴展閱讀

Megabyte(MB)=1024KB相當於一則短篇小說的文字內容。

Gigabyte(GB)=1024MB相當於貝多芬第五樂章交響曲的樂譜內容。

Terabyte(TB)=1024GB相當於一家大型醫院中所有的X光圖片資訊量。

Petabyte(PB)=1024TB相當於50%的全美學術研究圖書館藏書資訊內容。

Exabyte (EB)=1024PB；5EB相當於至今全世界人類所講過的話語。

Zettabyte(ZB)=1024EB如同全世界海灘上的沙子數量總和。

Yottabyte(YB)=1024ZB相當於7000位人類體內的微細胞總和。

② 存儲容量的存貯容量的計算

每一千個位元組稱為1KB，注意，這里的「千」不是我們通常意義上的1000，而是指1024。即：1KB=1024B。但如果不要求嚴格計算的話，也可以忽略地認為1K就是1000。 4）每1024個KB就是1MB（同樣這里的K是指1024），即：1MB=1024KB=1024×1024B=1,048,576B這是准確的計算。如果不精確要求的話，也可認為1MB=1,000KB=1,000,000B
另外需要注意的是，存儲產品生產商會直接以1GB=1000MB，1MB=1000KB ，1KB=1000B的計算方式統計產品的容量，這就是為何買回的存儲設備容量達不到標稱容量的主要原因（如320G的硬碟只有300G左右）
每1024MB就是1GB，即1GB=1024MB，至於等於多少位元組，自己算吧。我們搞清楚了，常聽人說什麼一張軟盤是1.44MB、一張CD光碟是650MB、一塊硬碟是120GB是什麼意思了。打個比方，一篇10萬漢字的小說，如果我們把存到磁碟上，需要佔用多少空間呢？100,000漢字=200,000B=200,000B÷1024≈195.3KB≈195.3KB÷1024≈0.19MB
硬碟計算：750GB SATA實際容量為667（698.5）GB（少於的部分用於操作系統）； CBR影響系數：是指CBR(恆定碼流）正誤差給存儲容量帶來的影響系數。 存儲設備採用RAID5+1的方式布置，每台存儲需要損耗2塊硬碟，如果IPSAN的硬碟為500GB的側每台存儲有效容量為6.316TB；如果IPSAN的硬碟為750GB的側每台存儲有效容量為9.119TB 存儲模式與硬碟數量關系： 模式1:部署JBOD盤，採用750G硬碟（有效容量667GB)，單機16個有效盤位總容量為10.672TB，不考慮存儲數據可靠性為最經濟模式。 模式2：部署RAID5但不配熱備盤，採用750G硬碟（有效容量667GB)，單機15個有效盤位總容量為9.771TB，不考慮RAID5重建對存儲性能影響，這是最經濟的模式。 模式3：部署RAID5且配熱備盤，採用750G硬碟（有效容量667GB)，單機14個有效盤位總容量為9.119TB，不考慮RAID5重建對存儲性能影響（允許在壞掉一個硬碟後短時間內再壞掉一個硬碟）。 根據各布點區域監控點的數量可具體計算出所需的存儲容量。（方案存儲數據）方案中我們IP SAN存儲，可以根據需要隨時增加存儲設備，並進行統一管理。

③ 塊存儲、文件存儲、對象存儲這三者的本質差別是什麼

一、概念及區別

針對不同的應用場景，選擇的分布式存儲方案也會不同，因此有了對象存儲、塊存儲、文件系統存儲。這三者的主要區別在於它們的存儲介面：

1. 對象存儲:

也就是通常意義的鍵值存儲，其介面就是簡單的GET,PUT,DEL和其他擴展，

2. 塊存儲:

這種介面通常以QEMU Driver或者Kernel Mole的方式存在，這種介面需要實現Linux的BlockDevice的介面或者QEMU提供的BlockDriver介面，如Sheepdog，AWS的EBS，青雲的雲硬碟和阿里雲的盤古系統，還有Ceph的RBD(RBD是Ceph面向塊存儲的介面)

3. 文件存儲:

通常意義是支持POSIX介面，它跟傳統的文件系統如Ext4是一個類型的，但區別在於分布式存儲提供了並行化的能力，如Ceph的CephFS(CephFS是Ceph面向文件存儲的介面)，但是有時候又會把GFS，HDFS這種非POSIX介面的類文件存儲介面歸入此類。

二、IO特點

按照這三種介面和其應用場景，很容易了解這三種類型的IO特點，括弧里代表了它在非分布式情況下的對應:1. 對象存儲(鍵值資料庫):

介面簡單，一個對象我們可以看成一個文件，只能全寫全讀，通常以大文件為主，要求足夠的IO帶寬。

2. 塊存儲(硬碟):

它的IO特點與傳統的硬碟是一致的，一個硬碟應該是能面向通用需求的，即能應付大文件讀寫，也能處理好小文件讀寫。但是硬碟的特點是容量大，熱點明顯。因此塊存儲主要可以應付熱點問題。另外，塊存儲要求的延遲是最低的。

3. 文件存儲(文件系統):

支持文件存儲的介面的系統設計跟傳統本地文件系統如Ext4這種的特點和難點是一致的，它比塊存儲具有更豐富的介面，需要考慮目錄、文件屬性等支持，實現一個支持並行化的文件存儲應該是最困難的。但像HDFS、GFS這種自己定義標準的系統，可以通過根據實現來定義介面，會容易一點。

因此，這三種介面分別以非分布式情況下的鍵值資料庫、硬碟和文件系統的IO特點來對應即可。至於冷熱、快慢、大小文件而言更接近於業務。但是因為存儲系統是通用化實現，通常來說，需要盡量滿足各種需求，而介面定義已經一定意義上就砍去了一些需求，如對象存儲會以冷存儲更多，大文件為主。

④ 塊儲存，對象存儲，文件存儲的區別和聯系

通常來講，磁碟陣列都是基於Block塊的存儲，而所有的NAS產品都是文件級存儲。
1. 塊存儲：DAS SAN
a) DAS(Direct Attach Storage): 是直接連接於主機伺服器的一種存儲方式，每台伺服器有獨立的存儲設備，每台主機伺服器的存儲設備無法互通，需要跨主機存取資料室，必須經過相對復雜的設定，若主機分屬不同的操作系統，則更復雜。
應用：單一網路環境下且數據交換量不大，性能要求不高的環境，技術實現較早。
b) SAN(Storage Area Network): 是一種高速(光纖)網路聯接專業主機伺服器的一種存儲方式，此系統會位於主機群的後端，它使用高速I/O聯接方式，如：SCSI,ESCON及Fibre-Channels.特點是，代價高、性能好。但是由於SAN系統的價格較高，且可擴展性較差，已不能滿足成千上萬個CPU規模的系統。
應用：對網速要求高、對數據可靠性和安全性要求高、對數據共享的性能要求高的應用環境中。

2. 文件存儲
通常NAS產品都是文件級存儲。
NAS(Network Attached Storage)：是一套網路存儲設備，通常直接連在網路上並提供資料存取服務，一套NAS儲存設備就如同一個提供數據文件服務的系統，特點是性價比高。
它採用NFS或CIFS命令集訪問數據，以文件為傳輸協議，可擴展性好、價格便宜、用戶易管理。目前在集群計算中應用較多的NFS文件系統，但由於NAS的協議開銷高、帶寬低、延遲大，不利於在高性能集群中應用。

3. 對象存儲：
總體上講，對象存儲同時兼具SAN高級直接訪問磁碟特點及NAS的分布式共享特點。
核心是將數據通路(數據讀或寫)和控制通路(元數據)分離，並且基於對象存儲設備(OSD)，構建存儲系統，每個對象存儲設備具備一定的職能，能夠自動管理其上的數據分布。
對象儲存結構組成部分(對象、對象存儲設備、元數據伺服器、對象存儲系統的客戶端)
3.1 對象
一個對象實際就是文件的數據和一組屬性信息的組合。
3.2 對象存儲設備(OSD)
OSD具有一定的智能，它有自己的CPU、內存、網路和磁碟系統。
OSD提供三個主要功能：包括數據存儲和安全訪問
(1)數據存儲 (2)智能分布 (3)每個對象元數據的管理
3.3 元數據伺服器(Metadata Server , MDS)
MDS控制Client與OSD對象的交互，主要提供以下幾個功能：
(1) 對象存儲訪問
允許Client直接訪問對象，OSD接收到請求時先驗證該能力，再訪問。
(2) 文件和目錄訪問管理
MDS在存儲系統上構建一個文件結構，限額控制、包括目錄、文件的創建、訪問控制等
(3) Client Cache 一致性
為提高性能，在對象存儲系統設計時通常支持Client的Cache。因此帶來了Cache一致性的問題，當Cache文件發生改變時，將通知Client刷新Cache,以防Cache不一致引發的問題。
對象存儲：
一個文件包含了屬性(術語叫matadata元數據，例如該文件的大小、修改時間、存儲路徑等)以及內容(簡稱數據)。
以往的文件系統，存儲過程將文件按文件系統的最小塊來打散，再寫進硬碟，過程中沒有區分元數據(metadata)和數據。而在每個塊最後才會告知下一個塊的地址，因此只能一個一個讀，速度慢。
而對象存儲則將元數據獨立出來，控制節點叫元數據伺服器(伺服器+對象存儲管理軟體)，裡面主要存儲對象的屬性(主要是對象的數據被打散存放到了那幾台分布式伺服器中的信息)，而其他負責存儲數據的分布式伺服器叫做OSD，主要負責存儲文件的數據部分。當用戶訪問對象時，會先訪問元數據伺服器，元數據伺服器只負責反饋對象存儲在那些OSD。假設反饋文件A存儲在B,C,D三台OSD，那麼用戶就會再次訪問三台OSD伺服器去讀取數據。
這時三台OSD同時對外傳輸數據，因此傳輸的速度就加快了。OSD伺服器數量越多，這種讀寫速度的提升就越大。
另一方面，對象存儲軟體有專門的文件系統，所以OSD對外又相當於文件伺服器，那麼就不存在文件共享方面的困難了，也解決了文件共享方面的問題。
因此對象存儲的出現，很好的結合了塊存儲與文件存儲的優點。

為什麼還要使用塊存儲和文件存儲：
1.有一類應用是需要存儲直接裸盤映射的，比如資料庫。因為資料庫需要存儲裸盤映射給自己後，再根據自己的資料庫文件系統來對了裸盤進行格式化，因此不能採用其他已經被格式化為某種文件系統的存儲。此類更適合塊存儲。
2.對象存儲的成本比普通的文件存儲還是較高，需要購買專門的對象存儲軟體以及大容量硬碟。如果對數據量要求不是海量，只是為了作文件共享的時候，直接用文件存儲的形式就好了，性價比高。

⑤ 對象存儲、文件存儲和塊存儲有什麼區別

區別如下：

1、速度不同

塊存儲：低延遲（10ms），熱點突出；

文件存儲：不同技術各有不同；

對象存儲：100ms-1s，冷數據；

2、可分步性不同

塊存儲：異地不現實；

文件存儲：可分布式，但有瓶頸；

對象存儲：分步並發能力高；

3、文件大小不同

塊存儲：大小都可以，熱點突出；

文件存儲：適合大文件；

對象存儲：適合各種大小；

4、介面不同

塊存儲：Driver，kernel mole ；

文件存儲：POSIX；

對象存儲：Restful API ；

5、典型技術不同

塊存儲：SAN；

文件存儲：HDFS，GFS；

對象存儲：Swift，Amazon S3；

6、適合場景不同

塊存儲：銀行；

文件存儲：數據中心；

對象存儲：網路媒體文件存儲；

(5)存儲塊數量擴展閱讀：

文件存儲的優缺點：

優點

（1）、造價低：隨便一台機器就可以，另外普通的乙太網就可以，根本不需要專用的SAN網路，所以造價低。

（2）、方便文件共享。

缺點

（1）、讀寫速率低，傳輸速率慢：乙太網，上傳下載速度較慢，另外所有讀寫都要1台伺服器裡面的硬碟來承受，相比起磁碟陣列動不動就十幾上百塊硬碟同時讀寫，速率慢了許多。

⑥ 設有一頁式存儲管理系統，向用戶所提供的邏輯地址空間最大為16頁，每頁2048B，主存共有8個存儲塊。

2的4次方=16，所以頁號佔4位，頁長為2048=2的11次方，所以頁內地址佔11位，邏輯地址15位
存儲塊有8個，每個存儲塊對應2048B大小的頁框，所以主存空間為16KB

⑦ stm32的嵌入式快閃記憶體:大容量產品主存儲塊最大為64k*64位，每個存儲塊劃分為256個2k 位元組的頁，這兩句話

按照存儲單元的元[位]來講，這兩種說法是相等的：
64K * 64bits = 64 * 4 *2K * 8bits = 256個2K位元組；
也就是說，總的存儲容量還是沒變的。
我的理解是這樣的：
前者側重頁外，後者側重頁內，兩種說法是和存儲器的組織形式有關的：
主存儲塊的最大數目 = 64K * 64位，而每個單獨的頁（也就是存儲晶元）的構成形式是2K*8位，那麼就需要進行擴展：
首先應進行位擴展，即2K * 8位擴展為2K * 64位，則需要8個存儲晶元，3根片選線，11根地址線；
然後進行字擴展，即2K 擴展為 64K，此時需要32個位擴展後的存儲晶元，5根地址線；
如此共需要存儲晶元數量為：32 * 8 = 256個，也就是存儲塊內共需要256個頁，19根地址線。

⑧ fpga器件中的存儲器塊有何作用

3.2 FPGA器件中的存儲器塊有何作用？

FPGA器件內通常有片內存儲器，這些片內存儲器速度快，讀操作的時間一般為3～4 ns，寫操作的時間大約為5 ns，或更短，用這些片內存儲器可實現RAM、ROM或FIFO等功能，非常靈活，為實現數字信號處理（DSP）、數據加密或數據壓縮等復雜數字邏輯的設計提供了便利；採用ROM查表方式可以完成數值運算、波形信號發生器等功能，是FPGA設計中一種常用的設計方法。

⑨ 存儲容量為64M、20000數據塊什麼意思

第一個實驗數據流為50 個大小 為20000 的數據塊，記為 stream01． 第二個實驗數據流 為100 個大小為10000 的數據塊，記為stream02． 第三個 實驗數據流為 200 個大小為 5000 的數據塊， 記為 stream03． 第四個實驗數據流為20 個大小為40000 據塊，記為stream04．分類學習演算法 採用決策樹（DT），並基於Weka 包實現，參數取其默認值，各基礎分類器 的權重採用第一種確定策略． 實驗環境是：Intel 奔騰雙 CPU，內存大小2G，Java heap space JVM Xms64m－Xmx512m，操作系統為windowXP． 實驗結果與分析進行實驗時， 實驗數據流 stream01、 stream02、 stream03 在訓練窗口中樣本塊數為5，stream04 驗證IMDWE 在不同正類比例 下的執行情況，我們分別取了9 從構建集成分類器的平均執行時間來看，實驗比較結果表明（圖2）：在正類比例 歐陽震諍：一種不平衡數據流集成分類模型範圍內，IMDWE 集成分類器構建分類器的執行時間比 WE 集成分類器少；對於 stream01，平均執行時間最多 減少36 2％，最少減少28 4％；對於stream02，平均執行 時間最多減少51 2％；對於 stream03，平均執行時間最 多減少45 7％；對於 stream04，平均執行時間最多減少 36 2％． 時，此時IMDWE平均執行時間出 現增加的趨勢，主要是由於訓練窗口中樣本個數出現 明顯增加（n ），從而導致訓練時間的增加．實驗採用Gmean 評價 IMDWE 的整體分類性能． Gmean值相比WE Gmean值都出現了明顯的提升， IMDWE的整體分類性能要明顯優於WE 的整體分 類性能． 尤其對於stream01，IMDWE 的整體分類性能提 升明顯，最大提升為 12 4％， 最小為 10 4％； 而對於 stream02、 stream04， IMDWE 的整體分類性能提升在 8％到8％ 之間； 對於 stream03， 提升度在 3％之間．從提升整個正類的分類精度來看，從圖 可以看出，相比 WE，IMDWE 對於提高正類的分類精度是明顯 的，尤其對於 stream01，recall 值最大提升達到 26． 7％， 最小也在22％以上，而最小的提升出現在 stream03，相 對提升度在 FValue值來看，從 可以看出，相比WE，IMDWE 對於不同的 現了不同的結果，但是對於stream01，在 的范圍內，FValue值提升都在10 8％以上，最大達 到11 8％；對於stream02，在 的范圍內，FValue 值提升最大在 9％，最小在 4％；而對於 stream03 與stream04，只有在 附近才出提升，而其他 值都出現降低，此時主要是IMDWE precision值出現了降低（圖6） 結論目前多數數據流分類器的設計是基於數據流中類 的分布是大致平衡這一假設的，而某些實際應用中對 於少數類的分類性能是重點關注的． 本文基於權重集 成分類器，綜合利用抽樣技術，提出了一種處理不平衡 數據流的集成分類模型———IMDWE 集成分類器模型． 實驗驗證表明：IMDWE 集成分類器的整體分類性能優 於WE 集成分類器，能明顯提高少數類的分類精度，並 且構建模型的演算法復雜度更低，更適合高速數據流的 分類挖掘． 從實驗中可以看出，相比 WE 集成分類器，IMDWE 集成分類器在提升少數類的Fvalue 值時對於不同的正 類比例 出現了不穩定性，這主要是由於precision 的降低過快造成的．因此根據應用問題中正負類樣本 比例的不同、數據流流速（塊大小）的不同，如何選取適 值變得非常重要，這也是我們下一步研究的方向．

⑩ 解釋一下主存儲器的組成和塊數如何計算

算出每個存取塊的bit大小
然後用總的bit大小除以每個存取快的大小 即為所需快數