10. 面试题
面试中存储相关的问题，通常从基础协议开始，逐渐深入到 AI Infra 场景。本章按初、中、高级整理。
10.1 初级
1. 块存储、文件存储、对象存储有什么区别？
参考答案：块存储暴露原始块地址，适合数据库和文件系统底层；文件存储提供 POSIX 路径和目录树，适合通用应用；对象存储用 bucket+key+元数据，HTTP API，适合海量非结构化数据。
2. 什么是 RAID？RAID 0、1、5、10 各有什么特点？
参考答案：RAID 0 条带化性能高但无冗余；RAID 1 镜像可靠性高但容量减半；RAID 5/6 用校验信息兼顾容量和冗余；RAID 10 是镜像+条带，适合高并发读写。
3. 什么是 POSIX？对象存储为什么不完全兼容 POSIX？
参考答案：POSIX 是类 Unix 文件系统接口标准（open/read/write/rename 等）。对象存储的扁平命名空间、无追加写、无原子 rename 等特性与 POSIX 语义冲突，因此通常只提供 S3 API。
4. 解释一下对象存储的 multipart 上传。
参考答案：大文件被分成多个 part 并发上传，每个 part 有独立 ETag，最后通过 CompleteMultipartUpload 合并成完整对象。优点是提高并发和容错性。
5. 什么是最终一致性？对象存储通常是什么一致性？
参考答案：最终一致性指写入后一段时间内并非所有读取都返回最新值。现代对象存储（S3、GCS 等）通常提供强一致性。
10.2 中级
6. 复制和纠删码有什么区别？AI 场景如何选择？
参考答案：复制保存多份完整数据，简单但利用率低；纠删码切分数据并生成校验块，利用率高但计算和恢复开销大。热数据/关键元数据常用复制，冷数据/大容量对象存储常用纠删码。
7. 什么是 CAP 定理？存储系统通常怎么选择？
参考答案：CAP 指一致性、可用性、分区容忍性，最多同时满足两个。分布式存储通常选 CP 或 AP。AI checkpoint 等场景优先 CP。
8. 解释 Kubernetes 中 PV、PVC、StorageClass 的关系。
参考答案：StorageClass 是存储模板；PVC 是应用对存储的请求；PV 是实际分配的卷。PVC 绑定到满足条件的 PV，由 StorageClass 指定的 provisioner 动态创建。
9. 什么是 CSI？它解决了什么问题？
参考答案：CSI 是 Container Storage Interface，标准化容器与存储系统的集成。它让存储厂商可以独立开发 driver，无需修改 Kubernetes 核心代码。
10. 并行文件系统和 NFS 有什么区别？
参考答案：并行文件系统（Lustre/GPFS/WEKA）通过多个数据服务器并行提供高吞吐共享访问；NFS 基于单服务器架构，容易成为瓶颈。
11. 为什么 AI 训练 checkpoint 通常先写本地 NVMe？
参考答案：本地 NVMe 延迟低、吞吐高，可以减少训练阻塞时间；之后再异步上传到对象存储或并行文件系统做持久化。
12. 对象存储的生命周期管理有什么用？
参考答案：自动将旧对象转换到更便宜的存储类型（如 IA、归档）或删除，降低成本。
10.3 高级
13. 设计一个万卡 AI 训练集群的存储架构。
参考答案要点：
- 每个计算节点配置本地 NVMe 作为 checkpoint 热缓冲；
- 使用并行文件系统（Lustre/WEKA）承载训练数据集和共享模型仓库；
- 对象存储用于长期归档、artifact 和日志；
- 异步 checkpoint 机制，本地写入后后台上传到对象存储；
- 热/温/冷分层，配合生命周期管理降低成本；
- 监控 checkpoint 耗时、存储带宽、IOPS、容量。
14. PyTorch Distributed Checkpoint 相比 torch.save 有什么优势？
参考答案要点：
- 每个 rank 独立写自己的 shard，消除单文件竞争；
.metadata驱动加载，支持不同并行策略间恢复；- 使用 fsspec 统一本地和对象存储后端；
- 支持异步保存和分片优化。
15. LLM 推理服务冷启动慢，如何从存储角度优化？
参考答案要点：
- 节点级本地缓存共享已下载权重；
- 使用 JuiceFS/Alluxio 等带缓存的 POSIX 层；
- 热门模型预加载到节点镜像；
- 使用对象存储的 multipart/并发下载；
- 共享 ReadOnlyMany PVC。
16. 比较 Local PV 和 EBS/RBD 在 AI 训练中的 trade-off。
参考答案：Local PV 延迟低、吞吐高，但 Pod 绑定节点、数据不随 Pod 迁移；EBS/RBD 可以跨节点迁移，但网络延迟和带宽受限。checkpoint 等临时高吞吐数据适合 Local PV，状态服务适合 EBS/RBD。
17. 海量小对象对对象存储有什么问题？如何解决？
参考答案：LIST/HEAD 元数据开销大、请求成本高。解决方案：合并小对象（如 parquet、tar）、使用前缀索引、选择高元数据性能的对象存储、使用生命周期规则。
18. 如何保证 checkpoint 不丢且可恢复？
参考答案：
- 写入完成后显式 fsync/close；
- 保存 manifest 记录所有 shard；
- 加载前校验 checksum；
- 保留多个历史版本；
- 异地/跨可用区备份。
10.4 场景设计题
19. 设计一个多区域 LLM 推理服务的模型分发方案。
参考答案要点：
- 模型权重放在中心对象存储；
- 每个区域部署带缓存的本地对象存储/文件系统；
- Pod 启动时优先从区域缓存加载；
- 新版本发布时预热到各区域；
- 监控加载延迟和缓存命中率。
20. 如何在 Kubernetes 上为训练 Job 提供高吞吐本地 NVMe checkpoint？
参考答案要点：
- 使用 Local Static Provisioner 管理节点本地 NVMe；
- StorageClass 设置
volumeBindingMode: WaitForFirstConsumer； - Pod 声明 Local PV，训练代码写入本地路径；
- 异步 sidecar 或训练框架将 checkpoint 上传到对象存储；
- Job 完成后清理或保留关键 checkpoint。