故事很重要，客户故事是最好的。那些能带来令人惊叹的统计数据或克服巨大障碍的故事，才是能赢得最佳头条的。它们也是最难发表的。我们知道，因为我们要与大家分享一些我们正在努力发表的故事——但目前它们将保持匿名。话虽如此，如果您想联系我们，我们可以让您看看幕后。
让我们开始吧。
北方银行
我们与所有主要的加拿大银行都有业务往来。真正成为全球性机构的银行并不多，所以你猜对的几率相当大。与其他主要的金融机构一样，他们有监管义务，需要从每个客户互动中生成和存储电子记录。大数据分析使这些机构不仅可以出于监管目的存储数据，还可以积极利用这些信息来生成业务洞察并增加价值。机器学习和人工智能 (ML/AI) 技术正在推动现代数据密集型工作负载，不仅要进行历史数据分析，还要执行实时分析，以推动即时决策。实时分析用例包括欺诈检测、交易监控、客户细分、个性化营销和风险管理。
当这家银行开始遇到性能和稳定性问题时，他们将他们过时的企业数据仓库 (Cloudera/Hadoop) 迁移到了 MinIO——随着 Hadoop 环境中的数据增长，应用程序开始遇到性能问题和停机时间。他们想要云运营模式，但不想承担公共云相关的成本和控制力损失。与数据增长相关的挑战，加上现代化基础设施的需求，为现代、云原生、基于 Kubernetes 的架构提供了路线图。这家银行想要一个干净的实施和最短的上市时间。这意味着 MinIO。
存储基础设施支持多个业务部门，包括
他们在两个独立的数据中心运行两个 MinIO 部署。两个数据中心之间的数据使用主动-主动复制进行复制，使 MinIO 能够高度可用。鉴于银行金融数据的关键性质，对 MinIO 对象存储实施的一个铁律要求是支持无限扩展和站点级灾难容错。为了实现这一点，MinIO 团队帮助部署了双站点主动-主动复制策略。该银行能够根据需要在每个站点扩展集群的大小，只需在部署中添加新的服务器池即可。借助主动-主动站点级复制，银行的 MinIO 实施不仅可以在单个站点内承受多个磁盘、服务器甚至机架故障，而且在给定地理位置内的整个站点也可能出现故障，而应用程序不会出现任何停机时间或数据丢失。例如：
集群一
集群二
本地对象存储的主要用例之一是企业文件处理，目前已迁移了 100 多个项目，以利用 MinIO 对象存储。该银行利用 MinIO 进行机器学习模型训练和服务
MinIO 集群的可扩展性和可用性
在多个数据中心之间同步数据是任何提供站点级灾难容错的对象存储的关键功能。主动-主动复制提供快速热热故障转移和多地理位置恢复能力。多站点复制建立在双向主动-主动框架之上，并保留关键功能，例如删除操作、删除标记、现有对象和副本元数据更改的复制。
结果
升级到现代的基于 Kubernetes 的基础设施的好处是显而易见的。自实施 MinIO 以来，该银行的存储占用空间减少了 50% 以上，同时存储容量翻了一番。这样，该银行将成本降低了近 60%，并将关键机器学习任务的性能提高了 30%。
MinIO 还为该银行未来的云原生成功奠定了基础。平台工程师表示：“不断发展的数据需求（例如我们的数据需求）需要可扩展性和可靠的存储位置，而 MinIO 满足了这些需求。此外，数据中心之间的延迟已减少；这可以根据需要进行扩展，同时提供元数据以更好地理解此类数据。这也为我们提供了与我们希望在不久的将来迁移到的云平台非常相似的存储环境。”
一位云工程师也表示：“MinIO 帮助我们对数据分析工作负载进行了现代化改造，使其高度可扩展，并提高了我们组织内云原生技术的采用。
擦除码计算器 
参考硬件 