地球这么大，怎么做CT ?
地下数千米，如何用数据看透地球？面对油气勘探复杂数据，有怎样的新存储之道？ 四位专家面对面共话“用数据给地球做CT，解锁新的油气藏”
宋家雨，Dostor存储在线总编辑
方 粮，中国计算机学会信息存储专业委员会委员
赖能和，中石油东方地球物理勘探有限公司处理中心总工程师
孙 斌，浪潮存储产品线副总经理
宋家雨：在油气勘探领域，数据是如何产生、采集和处理的？数据量又有怎样的变化？目前又有哪些新兴应用？
中石油集团东方地球物理勘探有限公司处理中心总工程师 赖能和
赖能和：
人工智能在油气勘探领域已经开始陆续应用，比如勘探过程中的城市路线勘探，会根据历史数据比对设计出最佳路线；在处理方面，曾经需要30人处理2个月的数据，现在通过神经网络和人工智能训练算法去处理，速度、精准度都大大提高。
油气勘探大致分成三个阶段，第一阶段是通过不同的采集手段将野外数据采集回来；第二阶段是数据处理，数据中心通过超能计算机对野外数据进行处理，得到数据体；第三个阶段是利用数据体，解释地质构造，找出油气藏。
油气勘探过程会产生大量数据，每年大概会增加2-3倍，就原始采集数据来看，从2012年的50TB，激增至2019年的2500TB左右的数据量，这仅仅是原始采集的数据量。目前我们使用的存储系统，存储空间要在原始采集数据的15倍左右，因为原始采集数据要经过三十多个基本流程，每个流程要处理中间结果，要保存的数据量巨大，因此这几年我们对存储系统的要求越来越高，投资也越来越大。
人工智能在油气勘探领域已经开始陆续应用，比如勘探过程中的城市路线勘探，会根据历史数据比对设计出最佳路线；在处理方面，曾经需要30人处理2个月的数据，现在通过神经网络和人工智能训练算法去处理，速度、精准度都大大提高；还有解释、质量控制阶段，都已经开始投入人工智能的研究。
宋家雨：油气勘探行业海量数据的变化和人工智能的应用，带来了怎样的挑战？
中国计算机学会信息存储专业委员会委员 方粮
方 粮：勘探应用网格密度每增加1倍，数据量就增加3-4倍，网格画的越细，分析的就越准确，所以油气勘探对计算能力、存储能力的要求是无止境的，这是一个巨大的挑战。
油气勘探应用网格系统密度不断增加，以前的网格密度是50m×100m，现在可以做到6m×12m左右，网格每增加1倍，数据量就增加3-4倍，网格画的越细，采集精细度就越高，分析的就越准确，所以油气勘探对计算能力、存储能力的要求是无止境的。
另一方面，石油勘探领域相比其他行业有优势，有大量的数据和经验积累，可以更加快速适应人工智能技术，运用AI训练、推理等方式实现勘探作业更快、更精、更准确，提高勘探成功率。
对存储系统来讲，能够存取勘探海量数据的同时，对数据处理能力也有很高的要求，如果存储的容量和扩展性跟不上，或者存储性能和吞吐能力跟不上的话，勘探作业中极有可能因为存储的超负荷而崩溃，造成数据丢失、作业中断，这个影响是巨大的。
宋家雨：面对油气勘探领域这种复杂的存储需求，浪潮存储有哪些应对之道？
浪潮存储产品线副总经理 孙斌
孙 斌：针对油气勘探行业海量数据存储需求和数据处理性能要求，需要大容量、高性能的存储系统来满足，我们通常会建议客户选择分布式存储系统。过去几年，我们对大量应用场景进行研究分析，当面向客户的实际应用时，有针对性的通过测试、调优开展深度优化。
针对油气勘探行业海量数据存储需求和数据处理性能要求，需要大容量、高性能的存储系统来满足，我们通常会建议客户选择分布式存储系统。首先分布式存储最典型的特点就是容量够大，可随数据量增加而实现横向扩展，支持到EB级别的存储容量；其次，存储性能也可随着容量的扩展而线性扩展，分布式存储的每一个节点都可以承接负载，满足高并发读写请求。
浪潮存储一直在探索承接AI等新型应用的新存储之道，AI的工作负载分为五个环节，首先是数据的采集环节，此环节要求高吞吐量的写入，而且是并行的大量顺序写入；第二环节是数据的标识，是大量小IO；第三个环节是训练，是随机的小IO，对性能要求比较高；第四个环节是推理，大部分的推理对延迟要求很高；最后一个是归档，这个环节要求高吞吐量的读和写。IO的模式不同，对存储的要求不同。
过去几年，我们对大量应用场景进行研究分析，当面向客户的实际应用时，有针对性的通过测试、调优开展深度优化，最大程度满足客户应用在容量、性能、架构及管理上的需求，承接客户应用的同时，也通过AI手段使存储系统变得更智能。
Dostor存储在线总编辑 宋家雨
宋家雨：人类对自然的探索永不会停歇，就像油气勘探领域，随着我们不断深入的勘探，需要越来越多的存储容量和计算能力做支撑，来探索更多地球的奥秘。
