AI项目刚开始时，团队通常更关注GPU、模型和数据准备。等业务真正上线，数据保护问题才会变得具体。

• 训练集整理了几个月，丢失后很难重新制作
• 机器人现场回流数据支撑故障分析和下一轮训练
• 企业知识库的原始文档涉及权限与审计
• 生产推理还依赖模型文件、配置和规则

一次机房故障可能让训练中断，也可能让在线业务无法读取数据。

本地多副本可以处理部分磁盘和节点故障，跨机房事故仍需要异地数据副本。EDS 5.3.2 远程复制2.0 面向这类需求，支持文件存储和对象存储的异步复制，并提供计划内切换、故障切换和恢复保护能力。

一、从数据要素到数据资产，保护要求也在变化

图：根据业务价值识别关键数据，将训练集、模型、文档、轨迹和视频等重要数据复制到异地数据中心。

国家对数据的定位已经从业务运行产生的附属记录，逐步提升到新型生产要素。《中共中央、国务院关于构建数据基础制度更好发挥数据要素作用的意见》指出，数据是数字化、网络化、智能化的基础，并围绕数据产权、流通交易、收益分配和安全治理部署基础制度。文件同时提出维护数据资源资产权益、探索数据资产入表新模式。《数据二十条》

对AI企业来说，数据要素的价值很容易在业务中看到。**一套经过清洗和标注的视觉样本，可以支撑多个模型版本；机器人故障回放数据，可以用于定位问题和改进控制策略；企业知识库中的原始文档和人工问答，可以持续改善检索与生成效果。**这些数据经历采集、清洗、标注、治理和合规审核后，企业已经为其投入了大量时间和成本。

“数据要素”和会计意义上的“数据资产”仍需区分。财政部印发的《企业数据资源相关会计处理暂行规定》自2024年1月1日起施行。企业需要依据业务实质和会计准则判断，只有符合无形资产或存货定义及确认条件的数据资源，才能进行相应会计处理；不符合资本化条件的数据资源不能确认为资产。财政部暂行规定、财政部会计司解读

因此，项目中常说的“数据资产”，可以先理解为企业已经持续投入、能够支持生产经营并需要重点保护的数据资源。是否能够入表，要由财务、法务和数据管理部门按照规定判断，存储系统无法替代这项认定。

这一变化会直接影响容灾建设。过去部分AI数据被当作可重新生成的中间文件，备份优先级较低。进入生产后，原始数据可能无法再次采集，标注结果包含大量人工投入，模型检查点关系到研发进度，现场回流数据还可能承担质量追溯和事故分析责任。数据一旦损坏或长时间不可访问，带来的损失已经超过存储设备本身。

远程复制的作用，就是为这类关键数据建立跨站点副本和可执行的恢复路径。 企业在设计方案前，应先完成数据分类：哪些数据无法重新采集，哪些数据重建成本很高，哪些数据直接影响在线业务，哪些数据涉及合规和审计。分类结果决定复制范围、同步周期、保留方式和演练频率。

二、先分清楚远程复制能保护什么

文件远程复制通过快照差异识别增量，将变化同步到备端，并在备端形成对应时间点。对象远程复制根据增量事件持续同步数据。

当前版本有几个重要边界：

• 支持文件与对象存储远程复制，不支持块存储；
• 文件任务最短同步周期可设置为5分钟；
• 对象任务可选择周期同步，也可采用秒级增量的持续同步；
• 文件数据可以还原到最近一次完整复制点；
• 对象复制当前没有同样的快照还原能力；
• 备端业务客户端只能读取，不能直接写入；
• 主备两端需要满足5.3.2全闪版本、机型和授权要求。

远程复制保护的是存储数据和存储服务。应用能否恢复，还要看网络、访问地址、账号、GPU调度、数据库和启动顺序。项目方案中应分别定义存储恢复时间与业务恢复时间。

三、五类AI业务应该如何设计复制方案

场景一：保护集中训练平台的数据集和模型

企业在主数据中心建设GPU训练集群，EDS通过NFS向训练节点提供数据集、检查点和模型文件。算法团队每天都在更新样本、标签和训练结果。

可以在异地机房部署第二套EDS，对关键文件系统空间建立远程复制。文件任务根据业务允许的数据损失量设置周期。例如企业最多能接受丢失15分钟的数据，就不能沿用默认思路随意设置一小时同步，还要确认单次复制能在下一个周期前完成。

发生主站点故障后，备端升主并提供文件共享。训练平台需要重新挂载共享，任务调度器再从最近可用的检查点恢复训练。

这个场景的用户验收重点包括：大批量样本导入期间复制是否跟得上；模型检查点写入时能否形成可用的一致状态；训练任务从备端恢复时需要重新计算多少内容；恢复后的文件权限是否完整。

场景二：视觉质检和智能安防生产业务

生产系统持续写入图片、视频和分析结果，一旦主存储不可用，前端采集可能堆积，检测结果也会中断。

方案可以将生产中心的文件或对象数据复制到灾备中心。文件业务按周期复制，对象业务可根据写入模型评估持续同步。故障后，运维人员在备端执行故障切换，再将采集程序和分析服务切换到新的访问地址。

存储升主之后，业务仍可能需要修改DNS、负载均衡配置、挂载地址或S3 Endpoint。采集设备是否支持自动重连，缓存能保存多久，断开期间的数据会不会补传，都应写进容灾方案。

视觉质检还要考虑在制品。某批产品的图片只同步了一部分时，直接恢复可能导致图片、检测结果和批次记录不一致。文件复制可以选择还原到最近完整时间点，用户需要评估回滚后是否能从采集端补回数据。

场景三：具身智能现场数据汇聚到训练中心

图：工厂、仓库和户外巡检站点通过相互隔离的复制通道，将关键日志、轨迹、点云和视频汇聚到中心训练平台。

机器人分布在工厂、仓库或园区，各站点会产生视频、点云、日志、轨迹和故障回放数据。企业可能希望把多个现场的数据集中复制到一个训练中心，用于模型优化。

EDS支持多对一的集群配对，可让多个生产站点向一个中心站点汇聚数据。容灾租户可以隔离不同站点或项目的用户和复制关系，避免同名账号相互冲突。

设计时不宜把所有数据都设成相同优先级。故障日志、人工接管片段和关键任务回放可以设置更短的同步周期；普通连续录像可以按小时或批次处理；可重新生成的临时文件可以不进入远程复制。这样能减少广域链路压力。

用户需要验证多个站点同时同步时的带宽分配、中心端写入压力和租户隔离。一个站点突发上传大量视频时，不应拖延其他站点的关键故障数据。

场景四：企业知识库和RAG数据保护

知识库常由原始文档、解析结果、切分文件、索引和向量数据组成。其中一部分通过NFS保存，另一部分可能放在S3或数据库中。

传统远程复制可以保护其承载的文件和对象数据，但不能自动保证整个RAG系统的一致性。如果原始文档已经复制到新时间点，向量数据库仍停留在旧时间点，恢复后可能出现检索缺失或索引与原文不匹配。

利用“关系组”实现多目录/桶的一致性同步

对于必须保持一致的文件和对象数据，EDS 支持创建远程复制关系组：

• 统一策略管理：可将多个文件系统空间、MTree 或 Bucket 纳入同一个关系组，使它们遵循统一的同步周期和策略
• 缩短 RPO：通过设置更短的同步周期（文件最短 5 分钟，对象可达秒级持续同步），可以尽量缩小不同数据源之间的时间差。

场景五：一个生产中心保护到多个灾备位置

大型企业可能有总部训练中心、同城灾备中心和异地灾备中心。EDS支持一对多配对，可把不同容灾租户下的数据复制到不同站点。

例如，在线推理所需的模型与配置同步到同城站点，争取更短恢复时间；原始训练数据和历史归档同步到异地站点，用于应对区域级故障。两套保护链路可以采用不同带宽、周期和演练频率。

用户需要明确每个数据集的主副本位置。多站点环境下如果多个备端先后升主，后续恢复保护会涉及数据覆盖，必须由统一流程决定以哪个站点为基准。

四、故障切换时实际会发生什么

图：源端正常向容灾端复制；源端故障后由容灾端接管业务；源端恢复后，容灾端把接管期间的新数据反向同步回源端；数据追平并确认一致后，业务再切回源端。

计划内切换

计划内切换适合容灾演练、机房维护和主动迁移。操作前必须停止生产写入，执行最后一次同步，确认两端数据达到预期状态，再暂停复制任务并切换主备角色。

停止写入需要由业务负责人确认。只看到网络流量下降，不能证明所有客户端已经停写。机器人采集程序、定时任务、后台转码和算法脚本都可能继续产生数据。

故障切换

主端失联后，运维人员可以在备端执行故障切换并将其升为主。文件复制可以选择是否还原到最近一个完整时间点。如果最后一次增量只同步了一部分，直接使用当前数据可能出现业务关联不完整；还原会舍弃未完成时间点的数据，但可以选择创建一个月有效期的快照保留被覆盖内容。

对象数据没有文件快照式的还原能力，应用侧需要自行判断对象集合是否满足恢复条件。

恢复保护

原主端修复后，两端可能都处于主端状态。此时要选择数据更新且经过确认的一端作为基准，将另一端降为备端并恢复复制保护。

选择错误的基准端会覆盖较新的数据。操作前应比较两端的业务写入时间、任务状态和数据差异，必要时先创建快照或导出关键数据。

五、用户应该如何验收RPO和RTO

产品参数只能说明能力上限。用户验收要从一次真实业务故障开始计时。

1. 测出实际RPO

在主端持续写入带时间戳的文件或对象，模拟主端突然故障，然后检查备端最后一条完整数据的时间。两者差值才是本次测试的实际RPO。

文件任务即使设置为5分钟周期，实际RPO还会受到本轮同步耗时影响。对象持续同步也会受到网络抖动、事件积压和备端性能影响。

2. 从用户无法访问开始计算RTO

测试计时应覆盖故障发现、人员响应、备端升主、数据还原、网络与访问地址切换、客户端重连、应用启动和业务验证。EDS侧最短RTO可小于30秒，指的是存储侧在理想条件下提供服务的能力，不能直接等同于整个AI平台的恢复时间。

3. 使用真实应用验证数据可用性

训练场景要从备端重新加载数据集和检查点；知识库场景要执行检索并打开原文；视觉质检要让采集端重新上传并完成一次识别；机器人场景要验证日志、轨迹和视频之间的关联。

文件数量对得上，只能作为基础检查。业务能正确读取和继续处理，才算完成恢复。

4. 模拟“同步到一半”时故障

在大批量数据同步过程中断开主端，分别测试直接升主和还原到完整点。用户要确认回滚范围、未完成数据如何保留、上层应用能否识别，以及丢失的数据能否从源设备补传。

5. 测试广域链路不足和中断

限制复制带宽，模拟高时延、抖动和链路中断，观察任务积压量与追平时间。用户应知道链路恢复后需要多久追上生产写入速度。如果新增数据产生速度长期高于复制速度，灾备端会越来越落后。

6. 验证权限和配额

用业务账号在备端读取数据，核对用户、用户组和访问权限。目录配额不会随远程复制自动同步，用户配额的具体内容也要在两端检查。对依赖配额控制的AI团队，备端配置不一致可能导致恢复后写入失败或容量失控。

7. 完整演练一次回切

很多测试做到备端升主就结束了。用户还应修复原主端、执行恢复保护、重新建立复制，再按计划切回。记录每一步的负责人、判断条件和回退方法，最终形成可以照着执行的SOP。

七、方案上线前需要确认的限制

• 主备两端均需满足EDS 5.3.2全闪版本与授权要求，容量型设备和混闪版本的支持情况应单独核对；
• 当前远程复制不覆盖块存储；
• 计划内切换需要暂停生产业务；
• 备端在复制关系中对普通业务客户端只读；
• 文件与对象的恢复机制不同，对象没有文件快照式还原；
• 目录桶和共享桶暂不支持对象远程复制，需使用受支持的通用桶；
• 自建容灾租户不能使用FTP共享和数据流动；
• 存储复制不能代替数据库、调度平台和应用组件的一致性设计。

结语

AI业务容灾要保护的不只是数据副本。训练任务能否从检查点继续，采集设备能否重连，知识库索引是否匹配原文，机器人现场数据能否补传，这些问题都会影响最终恢复结果。

EDS远程复制2.0补充了文件和对象数据的跨站点保护能力，也提供了多对一、一对多和容灾租户等规划手段。

---

相关阅读

• 中共中央、国务院关于构建数据基础制度更好发挥数据要素作用的意见
• 财政部：企业数据资源相关会计处理暂行规定
• 深信服数据安全与保护解决方案
• 信服云高性能文件存储EDS

版本说明：文中远程复制功能边界依据EDS 5.3.2版本材料整理。正式项目应以对应版本用户手册、机型与授权清单、兼容性列表和现场容灾演练结果为准。