为什么要用IPFS存储大量数据？IPFS最吸引人的特点是什么？哪些地方是大家担心的？在IPFS的官方论坛针对人们为什么使用或不使用IPFS来存储大量数据的原因做了一个调查。
针对于这些有大量数据处理需求的用户来说，IPFS吸引他们的关键因素以及他们的忧虑是什么？
1、在大量(多达10TB)二进制文件通过非常耗时的模拟产生。因此恰当地保存这些文件非常重要(一旦丢失文件，意味着得重新模拟，耗时长达几个月)。把文件分享给同事也很重要，不幸的是，在实际操作中这很难实现。比如说，我在欧洲工作，就无法下载存储在斯坦福数据库几TB的模拟数据集，要花很长的时间才能办到。
RRMine李芯：对IPFS分布式存储长期看好:金色财经现场报道，4月25日，2021新基建区块链峰会分会场-分布式存储新时代在成都举办。在《IPFS高歌猛进 天花板到底在哪里》圆桌论坛中，RRMine副总裁李芯表示，我们将会进入数据文明时代，数据是重要的生产要素，数据安全、隐私、共享都会成为全球关注的话题，因此RRMine对IPFS分布式存储赛道长期看好。下一阶段，RRMine在扩大基础设施建设的同时，将从多方面参与IPFS的生态建设，为IPFS分布式存储的繁荣贡献一份力量。[2021/4/25 20:56:24]
2、就目前了解到的IPFS相关信息来说，重点是能通过联系到网络中离你最近的人，从而提高文件分享速度，而不再是基于一个中央储存库。但同时也了解到这样就不能再复制了，网络中的每个节点只存储它“感兴趣”的内容。
IPFS中国发起人楚航：FIL对实体经济是有帮助的:近日，在分布式存储主题AMA上，IPFS中国发起人楚航表示，IPFS可以实现落地是因为它本质上是一个分布式存储，可以把一个文件变成一个哈希值。有了分布式存储，区块链就具备了大数据、大文件的存储能力。依靠分布式作为基础设施，区块链未来可以更好的赋能去中心化的DAPP生态，这就是我们说的WEB3.0。未来随着分布式存储基础设施的建设，去中心化的DAPP会大量的在IPFS上进行开发。分布式存储市场所带来的就不仅仅是分布式存储本身，而是基于分布式存储的更多应用生态。
FIL通过存储数据量大小来形成共识，并且因为存储实际数据和文件，它对实体经济是有帮助的。FIL的共识机制叫时空证明，英文名字叫POST。从本质上来讲，POST也是POS的一种。时空证明共识机制本质和POS是一样的，是权益证明的一个升级。（牛币圈）[2020/6/18]
3、大多数公司把大型工作负载存储在EMCIsilon或Netapp，我的工作是存储销售这块，几乎所有的顾客都想把大量的工作档案存储在AMS(亚马逊旗下云计算服务平台)或Azure(微软云计算服务平台)–这总是比较容易实现。因此，档案存储用例会是一个有趣的切入点，尤其是在数据生成量达到PB级的行业，比如媒体或研究领域。
现场 | 辛秉谦：IPFS是在应用层级区块链的实现:金色财经现场报道，4月10日，中国通信工业协会无线网格网络暨MESH+IPFS专业委员会辛秉谦秘书长在\"2019第二届深圳国际区块链技术与应用大会”现场演讲时指出，IPFS不是区块链，它是在应用层级区块链的实现，是共享数据存储器的思维。在这里分享空间、上传文件是有收益的，是商业价值的体现，是为了方便全球统一结算的凭证而已。作为下一代互联网基础系统，IPFS可以和5G、人工智能很好地结合，未来万千应用也可以基于此构建。通过其激励层，确实可完成区块链数据的存储，但不能以偏概全。[2019/4/10]
4、我在一家网络用户行为研究公司工作，类似于谷歌分析(GoogleAnalysis)。跟踪代码每天产生几TB的数据，我们把数据存储在AWSS3，设置有效期限，把总量控制在几百TB内。我们正在寻求减少数据重复的方法，以节约成本。每天有数百万个时域(session)，一旦配置js-ipfs后，意味着整个网络上会有数百万个ipfs节点(短期的，几秒到几十分钟)。我相信这能释放IPFS的最大潜力。
5、当用户访问一个站点时，我们监看和记录网页产生的所有DOM更改，保存session，便于之后用于分析。目前我们需要这些东西：
1.版本控制(versioncontrol)或IPFS白皮书6.3中提到的树对象(TheTreeObject)。现在我们用的是一种差异算法来计算DOM更改，把原始数据和差异都存入文档。如果IPFS的树对象能实现，我们就能减少很多重复内容，节约大量空间。
2.可靠的push(或上传)方法。我用PubSub(发布/订阅模式)演示过，似乎还无法保证内容接收。因为标签可能随时关闭，我们需要在微秒之内将数据push到后台。
6、我的理解是，它允许我们在一个地点随机且可根据需求更改的广义系统中，可以把一切事物都看做节点、服务和工作者—比如，它可以让你模糊服务端和客户端之间的区别。取代了强制将服务端和客户端进行二分的方式，让你可以在一台接近数据的设备或一台距离很远的设备上进行分析，或者将数据复制到一个新的地点进行分析。某种程度上这样简化了你的代码基，因为你可以少编写一些能让客户端应用、工作者重复利用的库和服务，无论他们身在何处。
郑重声明： 本文版权归原作者所有， 转载文章仅为传播更多信息之目的， 如作者信息标记有误， 请第一时间联系我们修改或删除， 多谢。