博客
关于我
分布式文件存储MinIO一个bucketName存储多少张图片
阅读量:204 次
发布时间:2019-02-28

本文共 585 字,大约阅读时间需要 1 分钟。

MinIO 是一款高性能、分布式的对象存储系统,专为私有云环境设计,能够在标准硬件(如 x86 机器)上运行。其独特之处在于从一开始就以高性能对象存储为目标,避免了传统存储和其他对象存储系统在功能扩展时对性能的妥协。

MinIO 在对象存储领域展现出显著优势,尤其在辅助存储、灾难恢复、归档等传统用例中表现突出。同时,它在机器学习、大数据、私有云、混合云等领域也具备独特优势,能够承载高性能应用负载并支持原生云存储。

在中国,MinIO 已获得阿里巴巴、腾讯、百度、中国联通、华为、中国移动等 9000 多家企业的信赖。MinIO 的核心架构支持纠删码技术,允许将数据分布在多块硬盘或多个服务中,确保数据的高可用性和可靠性。

MinIO 的浏览器访问限制为 5GB,这是为了平衡用户体验与系统安全。至于 S3 API 的限制,MinIO 提供了灵活的配置选项。最大桶数和每桶最大对象数均无限制,每次 PUT 操作支持最大 5GB 的对象大小,最后一个 Part 可从 0B 到 5GB 不等。每次 List Parts 请求可返回最多 1000 个 Part,List Objects 请求最多 1000 个对象,List Multipart Uploads 也是 1000 个。

通过以上设计,MinIO 提供了原生支持的弹性伸缩能力,使其成为对象存储服务的理想选择。

转载地址:http://lobi.baihongyu.com/

你可能感兴趣的文章
OpenCV与AI深度学习 | 基于OpenCV实现模糊检测 / 自动对焦
查看>>
OpenCV与AI深度学习 | 基于Python和OpenCV将图像转为ASCII艺术效果
查看>>
OpenCV与AI深度学习 | 基于PyTorch实现Faster RCNN目标检测
查看>>
OpenCV与AI深度学习 | 基于PyTorch语义分割实现洪水识别(数据集 + 源码)
查看>>
OpenCV与AI深度学习 | 基于YOLO11的车体部件检测与分割
查看>>
OpenCV与AI深度学习 | 基于YoloV11自定义数据集实现车辆事故检测(有源码,建议收藏!)
查看>>
OpenCV与AI深度学习 | 基于YOLOv8 + BotSORT实现球员和足球检测与跟踪 (步骤 + 源码)
查看>>
OpenCV与AI深度学习 | 基于YOLOv8实现高级目标检测和区域计数
查看>>
VS2003 Front Page Server Extension
查看>>
OpenCV与AI深度学习 | 基于YOLOv8的停车对齐检测
查看>>
OpenCV与AI深度学习 | 基于YoloV8的药丸/片剂类型识别
查看>>
OpenCV与AI深度学习 | 基于YOLO和EasyOCR从视频中识别车牌
查看>>
OpenCV与AI深度学习 | 基于图像处理的火焰检测算法(颜色+边缘)
查看>>
OpenCV与AI深度学习 | 基于拉普拉斯金字塔实现图像融合(步骤 + 代码)
查看>>
OpenCV与AI深度学习 | 基于改进YOLOv8的景区行人检测算法
查看>>
OpenCV与AI深度学习 | 基于机器视觉的磁瓦表面缺陷检测方案
查看>>
OpenCV与AI深度学习 | 基于深度学习的轮胎缺陷检测系统
查看>>
OpenCV与AI深度学习 | 如何使用YOLO-World做目标检测
查看>>
OpenCV与AI深度学习 | 如何使用YOLOv9分割图像中的对象
查看>>
OpenCV与AI深度学习 | 如何使用YOLOv9检测图片和视频中的目标
查看>>