搞AI应用的基本都会涉及到图片存储，特别是AI在安防行业的应用，基本都需要满足100亿级别的图片存储。需求大概是：
- 写非常多而且频繁
- 读相对不是很多(访问长尾效应)
- 修改基本没有
- 删除非常少
- 需要支持循环删除(按时间删除，保留最新的，删除最老的)
背景
由于目录文件多了非常慢，所以根据文件名 hash 头几位，建立 00-FF 好多目录，来打散这些文件的存储。
目录定位本身也是需要 IO 成本，早期的 ext2 是线性查找，ext3 做了一些优化线性查找 Btree 搜索，包括到后面 ext4 / xfs 等基于 extent 查找等，本质还是需要 IO 操作的，目录越多，cache 命中率就会下去，IO 成本就会变高。
小文件本身的 inode 也是占用上百字节，浪费空间。
打开文件时需要一次系统调用 open 操作，也是一次 IO，可以缓存所有的打开 fd，这样就少几次 IO。但是上亿文件情况下，不可能缓存所有的 fd，如果缓存用 LRU 策略，长尾问题还是没解决，因为存在一定的 cache miss。
所以普通文件读写方式并不适合大容量的图片存储。那么就需要专门的处理方式来进行大容量图片读写。