滴滴存儲系統演示

❶ 自動駕駛下的海量數據，業界如何安全高效存儲

近幾年來，各行業紛紛跨界加入造車行列，不說傳了多年要造車的國外手機巨頭、出資純電動汽車的科技互聯網大廠，國內的科技企業也在躍躍欲試，比如阿里巴巴、華為、網路、小米和滴滴出行。

除了這些高科技企業，還有小馬智行、文遠知行、AutoX、贏徹科技和主線科技等新興的自動駕駛初創企業；超星未來、奧特貝睿、宏景智駕等專注於私家車高階自動駕駛研發的新型一級供應商；以及純電動車起家的蔚來，小鵬，理想等造車新勢力，都紛紛加入汽車產業鏈，推動了汽車電動化和智能化的進程。

西部數據資深產品市場經理額日特

也正是這些新玩家的加入，使得傳統汽車產業鏈受到了前所未有的壓力，同時也推動了傳統汽車廠商加速新技術和新應用的落地。在西部數據資深產品市場經理額日特看來，隨著汽車智能網聯的不斷推進，汽車的電子電氣架構（E/E）也隨之變化，從最初的分布式架構向域融合和中央控制單元過渡。

輪子上的智能手機，對存儲架構提出更多要求

如今，不少人業內人士都認可汽車在向“輪子上的智能手機”演變，這個轉變，讓廠商開始將越來越多的攝像頭、雷達、激光雷達等感測器、電動機，甚至乙太網、人工智慧等技術都引入汽車。

額日特認為，更多感測器的引入，網聯技術、人工智慧技術的增加，以及汽車電子電氣架構的改變，對汽車內存儲產品的要求發生了很大的變化。

“在汽車存儲領域，單車存儲的 數量將會顯著降低，容量則會顯著提升 。”額日特在不久前廣州舉辦的Auto Tech 2021上演講時指出。

Counterpoint的報告也印證了這一點，該分析機構預計，未來十年內，汽車單車的存儲容量將會達到2TB左右。“目前車內存儲主要用在智能座艙和中控系統，且燃油車以32GB為主，電動汽車一般使用64GB，或128GB，相對於2TB來說，還有一個巨大的提升空間。”額日特表示。

他分析稱，為了應對汽車電動化、智能化、網聯化，及自動化方向的發展，存儲產品也面臨這很多挑戰，主要有四個比較重大的挑戰：

一是數據 的可靠性 和 安全性 ，這是存儲廠商所面臨最基本和最嚴苛的挑戰，也是相關法規及保險責任靠量的關鍵因素。因為對於自動駕駛來說，數據的可靠性和安全性意味著生命的安全。

存儲廠商在數據可靠性和安全性方面也做了不少工作，額日特拿e.MMC、UFS和SSD來說，存儲單元是由兩個部分組成的，一部分是存儲介質Raw NAND，另一部分是控制器和固件。

為了保證更好的TBW（Total Bytes Written），即產品生命周期里能承受的總寫入數據量，存儲廠商一般都會 通過控制器和固件對底層做一個讀寫均衡 。“TBW通俗地講就是耐擦寫，意思是NAND Flash是有壽命的，如果數據手冊里規定了NAND Flash的擦寫次數是3,000次，客戶就需要考量該TBW是否滿足自己的應用需求。”

還有一個是主機鎖定 ，即在汽車主機上焊上一個內存，加了主機鎖的內存放到另外一個主機上是沒有用的，因為它已經與原來的主機做了鎖定，這樣也可以確保數據的安全。

另外，防寫也是一個很重要的功能 ，比如汽車如果出事故了，有的用戶擔心數據會被汽車廠商篡改，“我們存儲廠商在與主機廠商、Tier 1企業一起共同努力，協商一個有效的協同保護機制，確保車輛在發生事故後，在警察沒有查看數據之前，沒有任何一家，包括內存廠商都無法篡改存儲器內的數據，以確保司法監管在調查的時候的公正性和嚴肅性。”額日特表示。

二是復雜的應用場景 ，隨著電子電氣架構向域及中央控制單元轉變，應用的融合對存儲的要求也變得更加復雜，不再是單一的讀或寫。比如導航是一個讀密集型操作，行車記錄儀是一個寫密集型操作。

特別是隨著電子電氣架構的改變，融合中央控制單元的使用，使得內存需要承受更加復雜的操作系統環境。比如高通的8155平台把智能座艙、數字儀表和中控融合到了一起，此時就需要使用Hypervisor，以允許多個操作系統和應用共享同一個硬體。 但實際上，現在的內存結構，只能做到邏輯分區，不能做到物理分區。

“舉一個簡單的例子，我們現在所使用的電腦有C盤、D盤、或者E盤，實際上C、D、E盤只是邏輯分區，底層的內存是沒有做到物理分區的，這些盤存儲的數據都是打散存儲在一塊內存里，不論是哪個盤壞掉，代表的就是整個內存檔都壞了。”額日特指出。

因此，這就會帶來一個問題，比如行車記錄儀是一個需要高擦寫支持的應用，如果把行車記錄儀也融合到智能座艙內的話，做起來很容易。但要是不做物理分區，由於行車記錄儀的高擦寫，可能整個內存很快就會壞掉。

為了適應這個改變，也為了數據的更加安全，“西部數據現在可以提供一種解決方案，那就是在底層做讀寫均衡的隔離，比如 一塊內存裡面，可以分別使用 TLC 和S LC 兩種N AND F lash ，由於SLC可以支持高擦寫，因此，SLC部分就可以作為行車記錄儀的存儲。”額日特表示。

三是海量數據存儲 ，為了適應自動駕駛的需求，越來越多的雷達和攝像頭被部署在汽車上，行車過程中會產生大量的數據。

特別是自動駕駛計程車的企業對數據的存儲容量需求是很大的，現在單車一天生成的數據量在8GB左右，但實際上，現在主流汽車的存儲容量在2GB到4GB之間。

額日特以西部數據與Waymo的合作為例，西部數據在Waymo自動駕駛計程車上安裝了10塊2TB的工業級SSD，也就是說Waymo的單車存儲容量要求是20TB。其實這也是大部分自動駕駛汽車的存儲需求。

四是高性能， 雷達和攝像頭會在行車過程中產生大量的數據，為了防止數據丟失，必然需要高性能、大帶寬存儲的支持。

其實存儲產品也在通過不停地創新來獲得更高的傳輸速率。在嵌入式存儲器方面，目前汽車領域使用的主流存儲產品是e.MMC，比e.MMC更快的是UFS產品，目前汽車領域主要採用的還是UFS2.1。實際上，消費類電子已經在大規模採用UFS3.0的產品了。額日特預計汽車級UFS3.1的產品，應該會在兩年內面市。

另外，在SSD方面，目前汽車領域的SSD主要還是採用SATA介面，未來帶寬更高、速度更快的NVMe介面的SSD產品也可能會在汽車上得到應用。使用SSD的好處就是容量可以做得更大，比如UFS介面能做到的最大容量可能是512GB，但SSD可以輕松做到4TB、8TB，甚至更大。

滿足汽車需求的解決方案

據額日特介紹，西部數據可以提供從端到雲的完整解決方案，以支持當前和未來的車輛系統要求，它為多樣的應用場景和數據中心，提供了小尺寸嵌入式終端存儲和可移動存儲，用於獲取和分析從車輛收集的大量數據。他特意強調，西部數據的汽車級快閃記憶體產品通過了IATF16949認證，符合AEC-Q100標准。

產品方面，有iNAND汽車級嵌入式存快閃記憶體檔（EFD），支持UFS和e.MMC介面，具有多種容量，採用11.5×13mm的小包裝，可為汽車OEM和一級供應商提供符合其需求的選擇。比如iNAND AT EU312 是一款基於 3D NAND 技術的汽車級UFS（通用快閃記憶體存儲），具有高數據傳輸速度的UFS 2.1介面和額外的UFS 3.0汽車功能，可提供最高256GB的容量，性能是前代基於e.MMC的產品的2.5倍。AT EU312利用第5代SmartSLC 技術，可提供高性能和可靠的寫入。

其e.MMC 嵌入式快閃記憶體檔基於e.MMC 5.1 標准，採用2D或3D NAND技術。具體產品有EM122已經獲得許多汽車設計的認證並投入生產，EM132在汽車市場中容量達到了256GB。

在PCIe SSD方面，有CL SN720和CL SN520等產品，採用了PCIe Gen3 NVMe介面，容量高達2TB，耐久性高達1600 TBW。

與合作夥伴的成功案例

在本次Auto Tech 2021展會上，西部數據不僅展示了自己家的汽車存儲解決方案，也帶來了合作夥伴的一些成功案例。

有為信息展示的“主動安全智能防控車載視頻終端K5-P”解決方案。

在車載監控方面，其合作夥伴有為信息展示了“主動安全只能防控車載視頻終端K5-P”解決方案，該解決方案支持ADAS、DSM只能監控，採用了記錄儀、視頻功能、主動安全功能一體化設計。同時支持硬碟（2.5” HDD）+ SD卡（西部數據WD Purple micro SD存儲卡），雙重存儲保證數據安全；且具有硬碟防震保護機制；此外，有為信息的專利的存儲介質保護裝置，可防止任意拆卸硬碟及插拔存儲卡。加上其獨特流媒體文件系統存儲方式，保證了數據安全不被篡改。

車載信息娛樂系統方面，其合作夥伴掌銳展示了“前裝車規模組”解決方案------CS199 MT8666AV模組，該模組基於聯發科 MT8666AV晶元封裝的前裝車規級帶4G通信模組，具有功能豐富，集成度高、尺寸小、低功耗、性能優、品質穩定的特點，可滿足汽車智能化、連網化的前裝需求，幫助客戶縮短項目開發周期，減少研發投入並降低品控風險。存儲方面，採用的是西部數據iNAND AT EM132產品，是汽車市場首個基於3D TLC NAND e.MMC介面產品，採用了標准BGA封裝，容量涵蓋了從32GB到256GB，具有快速啟動、自動刷新、增強型運行健康狀態監測，支持固件在線升級和100%預燒錄，有AEC-Q100溫度2級（-40°C 至105°C）和3級（-40°C至85°C）兩種選擇。

銥斯電子展示的智能駕駛輔助系統解決方案。

此外，西部數據現場還展示了採用iNAND AT EM122的智能駕艙、智能駕駛、以及車聯網等豐富的解決方案。

西部數據公司中國區嵌入式產品銷售部門銷售總監文芳女士

西部數據公司中國區嵌入式產品銷售部門銷售總監文芳表示：“車聯網、自動駕駛等新技術的商業化落地，對汽車新四化的發展起到了巨大的推動作用，同時也對車載存儲解決方案的安全性、可靠性、大容量、高性能以及復雜的場景應用提出了更嚴苛的要求。西部數據作為數據基礎架構的領導者，提供覆蓋8GB-18TB容量，包括e.MMC/UFS/micro SD/SSD/HDD等不同規格的車規級及企業級存儲產品，支持端-邊-雲新型數據架構在汽車領域的應用，滿足當前和未來單車智能及車路協同的多樣化需求。”

未來，西部數據將不斷突破創新，以卓越的產品及解決方案賦能汽車領域的改革與發展，為人們帶來更安全、優質的駕駛體驗。

結語

近年來，汽車行業正在經歷前所未有的變革，自動駕駛不斷發展，高清3D地圖、高級輔助駕駛系統（ADAS）、自主計算機、AI、大數據、增強型信息娛樂系統、無線更新、以及V2X技術等等逐步在汽車上得到普及，而這些功能都需要板載數據存儲，未來汽車的存儲需求將會越來越大，如何滿足汽車市場的特殊需求，是存儲企業必須要考慮的，抓住汽車市場，就意味著抓住了未來。

轉載自電子發燒友 @2019

❷ 滴滴桔視記錄儀保存多久

記錄儀是根據內存大小來的，並不是說保存多少天。運行過程中新錄像會覆蓋最早日期攝錄的錄像。對於錄像而言，系統以一般只會保存3天，3天過後如無異議就會自動刪除。

其他介紹

對於滴滴安裝桔視的傳言現在如火如荼，不少車主疑惑不安裝桔視會不會影響接單。據平台客服回應，滴滴桔視並不是所有人都要安裝的，平台會根據司機的服務分、口碑值等情況進行綜合評估，達到要求的司機才需要安裝桔視，需要安裝的司機一般平台會進行通知。

不接單期間錄像是不會開啟的，所以關不關閉並沒有什麼影響，司機們也不必擔心什麼不雅的舉動會變成現場直播。據了解，滴滴桔視會嚴格遵守相關的法律以及個人隱私協定，錄像並不會輕易泄漏。

桔視介紹

桔視行車記錄儀記錄車內、車外的實時錄像，司機可以隨時調看車外的錄像，答辯時車內的錄像只有滴滴公司在出現司乘糾紛的時候，公安機關在提供相關證明的情況下，滴滴公司才會讓其調取。除非汽車斷電，否則桔視記錄儀會一直在24小時錄像。

❸ 鐵威馬NAS 發出"滴滴"的蜂鳴聲，TOS 存儲池顯示陣列缺失

這可能是鐵威馬NAS 設備中有硬碟發生故障，導致陣列缺失。你可以按照以下對策修復陣列：
1.登錄 TOS 系統，前往控制面板>存儲池，查看是否提示陣列缺失，並找到是哪一塊硬碟出現故障。
2.在開機的情況下，將不良的硬碟取出，插入一塊新的硬碟，新增加的硬碟容量需大於或等於現有存儲池中最小硬碟的容量。
3.再前往 TOS 控制面板>存儲池>編輯>陣列修復>選擇硬碟>確認設置，直至陣列同步完成。陣列同步需要的時間為1T容量需花費約4小時，以此類推。
需要注意的是：適用陣列修復類型有：RAID1、RAID5、RAID6、RAID10。

❹ 滴滴出行如何儲存相冊地點

你好，滴滴出行，想要儲存相冊地點的話，你只能把相關的出行記錄截圖或者是保存到相冊。

❺ 類Uber/滴滴分單引擎中應用到的技術原理 (2)

結合之前文章

-  類Uber/滴滴分單引擎中應用到的技術原理 (1)

回顧上一節，提到了此類『分單引擎』 核心需要解決的問題是：完成叫車訂單的分配。策略上的核心原則是：「站在全局視角，盡量去滿足盡可能多的出行需求，保證乘客的每一個叫車需求都可以更快更確定的被滿足，並同時盡力去提升每一個司機的接單效率，讓總的接駕距離和時間最短。」

那麼，進行合理推斷，業務上需要解決的核心問題如下：

- 如何且何時去觸發乘客訂單和司機之間的匹配計算進而完成派單（除了派單這種模式，何種場景下會使用搶單模式）才能滿足乘客乘車需求？

- 考慮不同乘客的訂單需求（接乘體驗、效率）、司機自身的需求（如，有的司機只想接回家順路單、司機只在限行區域內行駛、司機只聽預約單），那麼如何保障在各種業務場景都正確性的前提下，來找目標函數下的最優解？

- 從打分分配過程來看，目標函數考慮的因素不僅考慮乘客與司機之間的導航距離，還會考慮到司機的服務等級分、價格、供需緊張程度等多種因素。那麼，如何在效率指標和成本等指標之間做出權衡？

- 在垂直的子場景下，優化子場景的目標，從而間接支撐核心目標，如動態定價、供需調度（基於供需熱力圖，給司機發空單調度司機到需求密度更好的地區）、分場景派單（機場、火車站的派單距離會長一些，且進行公平派單 - 先來後到的原則）、不同運力層之間互轉（運力不足等情況下，快車單給專車）

... ...

可以預見，繼續推導下去，需要解決的業務問題還有很多，但嘗試對這類『分單引擎』做一個總結和定位的話，應該有如下幾個要點：

- 職責： 在合適的時刻，把合適的訂單，分配給合適的司機

- 主要的業務目標： 兼顧業務運營上的需要，保障體驗和全局效率最優

    - 猜測來看，從業務運營上，應該會分各類不同的場景，且圍繞不同場景，定義出更具體的成本、體驗、效率的指標，足見『分單引擎』是實現業務運營目標的重要抓手

- 系統上的目標 ：支撐全國各個城市（跨城）訂單最優分配，保障系統對於業務規則類需求和策略類需求能夠快速擴展開發落地、系統架構具備根據容量規模的橫向擴展能力以及性能保障

    - 邏輯結構上，需要能夠將分單的整個過程進行抽象，拆分成相對固定的模塊/步驟。圍繞模塊/步驟，再嵌入可插拔的規則擴展實現。如，

        - 通過規則引擎來支撐上述所需要的為保障分單業務正確性的各類業務規則；

        - 通過策略引擎讓演算法同學基於統一的同一套數據結構可以按場景去疊加各種尋優策略來找到最優匹配（如，二分圖，乘客與司機可以為兩個頂點集合，通過計算各種邊的權重，以找到圖的最大匹配））；

    - 核心系統架構上，需要有，

        - 實現『延遲分單』的定時器

        - 有能夠進行全局資源監控和管理的資源管理器 

        - 有對分單計算任務和資源匹配的任務調度器

        - 有用於具體執行分單匹配計算的任務計算節點服務。且在任務執行過程中，可以根據任務計算量，動態決定拆分一個大任務成多個可並行執行的小任務，然後再聚合結果

        - 存儲著司機位置、訂單數據等高效的索引存儲系統

        ... ...

從上圖可以看出，一次分單計算的任務類似一次Hadoop 中MapRece的批量的執行計算任務過程（結合Yarn 資源調度管理來說）：

- 定時觸發生成的Job中，所有需要匹配計算的訂單和司機數據，類似於MR程序要處理的數據；只是真正執行的程序不像MR Jar 那樣，可以在Hadoo環境下，執行時再通過HDFS動態載入執行（即移動計算式的方式）。這里，執行的匹配計算邏輯，都預先啟動在各個分單計算節點當中；

- 提交的任務根據需要計算的任務負載，從資源管理器匹配可以滿足其需求的資源（包括master 機器信息以及可以進行並行執行子任務的Slave 機器信息）。根據任務的大小，如Yarn中所支持的能力（Uber 模式和non-uber 模式），可以實現動態判定對小任務類的匹配邏輯都執行在一個機器資源中並一起順序執行，而大任務類的匹配計算（訂單和司機之間的匹配過濾、打分等邏輯）則由資源管理器預先分配好哪些機器可以用於執行具體的匹配計算任務（包括指定一個Master節點和多個Slave 節點），在Master 節點中可以根據預先配置的分片閾值，拆分成多個分片，在並行執行完之後，再回到Master 節點執行最終的司機派單計算；

- 每個任務計算執行節點，定期上報自己的資源使用情況。Yarn中是通過Container 的抽象概念，綜合了CPU、內存等多維度的資源模型；而基於統一的資源管理器和無狀態的分單計算節點集群（被資源管理所管理），並結合任務大小自動決策資源分配，將使得資源可以在充分利用的情況下，並支持水平擴容；

❻ 滴滴車內監控視頻能保存多久

一般會保存3到7天左右。

監控錄取的錄像,會在系統中保存3天,三天後會自動刪除,倘若對錄像有需要,可以持相關證明到滴滴公司調取。

滴滴出行是涵蓋計程車、專車、滴滴快車、順風車、代駕及大巴、貨運等多項業務在內的一站式出行平台，2015年09月09日由「滴滴打車」更名而來。

2020年2月27日，為了滿足用戶復工出行用車需求，小桔車服旗下的小桔租車已陸續在全國幾大城市推出了「全國萬台車免費用7天」的租車服務。用戶可通過小桔租車App或滴滴App進行免費預訂。8月4日，《蘇州高新區·2020胡潤全球獨角獸榜》發布，滴滴出行排名第3位。

2021年6月11日，滴滴出行正式向美國證券交易委員會遞交了IPO招股書，截至2021年3月31日的三個月，實現營收為422億元。6月30日，滴滴正式在紐交所掛牌上市，股票代碼為＂DIDI"。