搞AI應用的基本都會涉及到圖片存儲，特別是AI在安防行業的應用，基本都需要滿足100億級別的圖片存儲。需求大概是：
- 寫非常多而且頻繁
- 讀相對不是很多(訪問長尾效應)
- 修改基本沒有
- 刪除非常少
- 需要支持循環刪除(按時間刪除，保留最新的，刪除最老的)
背景
由於目錄文件多了非常慢，所以根據文件名 hash 頭幾位，建立 00-FF 好多目錄，來打散這些文件的存儲。
目錄定位本身也是需要 IO 成本，早期的 ext2 是線性查找，ext3 做了一些優化線性查找 Btree 搜索，包括到後面 ext4 / xfs 等基於 extent 查找等，本質還是需要 IO 操作的，目錄越多，cache 命中率就會下去，IO 成本就會變高。
小文件本身的 inode 也是佔用上百字節，浪費空間。
打開文件時需要一次系統調用 open 操作，也是一次 IO，可以緩存所有的打開 fd，這樣就少幾次 IO。但是上億文件情況下，不可能緩存所有的 fd，如果緩存用 LRU 策略，長尾問題還是沒解決，因爲存在一定的 cache miss。
所以普通文件讀寫方式並不適合大容量的圖片存儲。那麼就需要專門的處理方式來進行大容量圖片讀寫。