能够实现全量数据的单一存储，通常存储原始格式的对象块或者文件，可与企业业务数据库和数据仓库无缝集成，扩展现有数据应用。
MOT 实现了几乎完全的 SQL 覆盖，并且支持完整的数据库功能集，如存储过程和自定义函数。
一些图片会包含位置信息，因为位置对于用户属于敏感信息， Android 10应用在分区存储模式下图片位置信息默认获取不到，应用通过以下两项设置可以获取图片位置信息，在manifest中申请ACCESS_MEDIA_LOCATION
逻辑结构如下图所示： 对象存储的元数据体量通常非常庞大，单机架构无法有效支撑。
图片 在这样的背景下，我们来对大模型全流程做一个拆分，大致可以划分为四个主要的环节。 第一是海量数据的存储和处理，包括采集导入、清洗、转换、标注、共享和长期归档，是后面各环节的基础。
目前我们已经进行了一些组件化的工作，并在这些工作的基础上实现了对 Cassandra 的支持，后续还将丰富框架和组件，引入新的功能，并逐步实现对 Elasticsearch、MySQL 等存储系统的支持
视频监控场景原来大量采用视频监控存储，采用AI技术后，存储的是图片和图片的结构化数据，传统视频监控存储无法满足海量图片存储的性能需求。
在百万级指标的规模下，用 MySQL 来实现就可以满足需求，如开源监控系统 Zabbix 的底层存储方案。
2、 NAS 网络附加存储：利用存储设备添加文件系统，通过 TCP/IP 网络，利用 NFS、CIFS 共享协议实现存储空间的映射。使用简单，造价便宜，读写性能一般。
对象存储的数据主要以如下几种类型为主，第一种是视频、图片等媒体资源，也是占比最大的一部分；第二种是作为数据湖底座，存储大数据分析使用的日志、ETL 之后的格式化数据；第三种是供 AI 训练、自动驾驶仿真的离线数据集
