冷热分离：云计算下半场的成本革命

去年跟一位头部短视频平台的技术负责人喝茶，他拍着桌子说一句话：我们每年花在存储上的钱，三分之二都扔水里了。

为什么？90%的存储容量，放的是半年没人碰过的数据。却要跟热门新视频一样，存在昂贵的SSD集群里。

这不是个例。整个云计算产业，算下来平均算力利用率不到20%，存储浪费比计算更夸张。

冷热分离就是这么被逼出来的。

被浪费逼出来的重构思路

原来的IT架构，不管是物理机还是早年的云服务，基本都是计算存储耦合。一台服务器，自带CPU内存，也自带硬盘存储空间。业务跑在哪，数据就存在哪。

这种架构在小体量的时候没毛病。业务涨起来，问题就全暴露了。

计算不够用的时候，你得加服务器，顺便就带了一堆用不上的存储。存储不够用的时候，加服务器又多了了用不上的计算。

两边都浪费。后来行业搞出来存算分离，把计算和存储分成两个独立池，各自扩容。但还是没解决另一个问题：不是所有数据都需要一样的性能。

你手机里刚拍的照片，和三年前旅游的老照片，访问频率能差出上千倍。电商平台刚产生的订单，和三年前用户的历史订单，访问频率能差出上万倍。

要让所有数据都保持毫秒级的访问速度，成本堆出来吓死人。

冷热分离的逻辑非常简单：把对性能要求高、访问频繁的“热数据”放在低成本高速度的存储层，把访问少、对时延不敏感的“冷数据”挪去大容量低成本的低速存储层。

说白了，好钢用在刀刃上。

原理简单，落地为什么难

说起来轻巧，真做起来到处是坑。

第一个坑，就是冷热数据的边界谁来划？

划错了，把经常用的数据挪去冷层，用户查个东西等三五秒，直接走了。把不用的数据留在热层，钱一分没省着。

现在大多是按时间划，超过多少天自动转冷。但真实业务哪有这么标准。比如有的品牌的历史活动页面，突然因为某个热点被翻出来，流量一下子爆了，这时候所有数据都在冷层，调都调不出来，直接崩盘。

第二个坑，改造成本太高。

大部分企业的老应用，都是按照数据本地存取的逻辑写的。要改造成支持冷热分离的架构，代码改半年，人力成本砸进去，省下来的存储成本三五年都赚不回来。谁愿意动？

第三个坑，一致性和时延问题。

数据挪来挪去，会不会丢？访问的时候跨层调数据，延迟会不会涨？哪怕只多了几十毫秒，对toC的互联网产品来说，都是不能接受的损失。

说实话，我见过不少企业兴冲冲上马冷热分离项目，最后发现省了一百万存储成本，花了三百万改造成本。骑虎难下。

不过话说回来，最近两年情况变了。大模型带起来的海量数据，把存储成本直接顶到了企业受不了的程度，就算花改造成本，也比一直扛着存储费用划算。

产业链正在发生的变化与未来预判

现在整个科技产业链都在围着冷热分离转。

上游的云厂商，几乎都推出了现成的冷热分层存储服务。对象存储分热温冷冻四层，价格差出快十倍。你不用改架构，直接设置个规则，自动转层。对中小用户来说，门槛已经降了很多。

中游，专门做冷热数据智能调度的创业公司已经冒出来了。不用你改代码，一层代理帮你识别访问频率，自动挪数据，出了问题自动切回热层。相当于帮企业管好了这个“冷热转换器”。

下游的应用端，互联网企业是最先吃螃蟹的。

短视频和长视频平台，刚上线的内容放热层，上线三个月访问量掉90%，直接转冷，成本能降50%到70%。我接触到的一家腰部短视频平台，上线冷热分离之后，一年省了近两千万存储费用。这就是纯利润。

还有大模型企业。训练一次大模型产生的checkpoint、日志、中间数据，量能到PB级别。大部分训练完之后，除了排查问题根本不会碰，全存在热层根本扛不住。现在几乎所有头部大模型公司，都在用冷热分离存训练数据。

日志、备份数据、历史归档，这些都是冷热分离的核心场景。

当然，坑还是有的。最大的风险，就是厂商锁定。你用了某家云的冷热分层存储，数据挪出去成本特别高，以后想换服务商都换不了。还有冷数据的安全问题，很多冷数据存的是归档业务数据，需要保存多年，冷存储的可靠性会不会打折扣？之前出过冷数据硬盘老化找不到的案例，赔都赔不起。

还有，不是所有企业都适合。数据量不到几十TB，冷热分布不明显的，折腾这个真没必要。省的那点钱，不够给技术开加班费的。

未来三年，冷热分离会从可选方案变成中大型科技企业的标配。大模型带起来的海量数据需求，会把这个市场撑大好几倍。

会出来专门针对冷热分离的新硬件，比如高密度的冷数据存储硬盘，成本比现在再降一半，可靠性再提一倍。

中间的智能调度层会变成标准化产品，改造成本会降到原来的十分之一不到，中小企业也能用得起。

冷热分离本质是云计算下半场，从抢增量到挖存量的必然结果。之前行业跑的快，没人在乎那点浪费，现在增速降下来，每一分钱的成本都要抠。

省下来的，就是利润，就是竞争力。别觉得这是小技术，影响的是整个云计算产业的成本结构。