根据IDC《中国软件定义存储（SDS）及超融合存储（HCI）系统市场季度跟踪报告，2026Q2》，2026年第二季度，深信服统一存储以10.1%的市场份额位居中国文件存储市场第三。名次只是一个切面，真正决定这套存储在用户生产环境里能否站住脚的，是它承载的负载类型、应对的规模区间，以及在数据持续增长时能否保持同样的访问体验。下面从能力、治理与规模三个层面依次展开。

报告口径与市场范围

IDC中国软件定义存储及超融合存储系统市场季度跟踪报告，是IDC对中国软件定义存储与超融合市场进行的持续性季度跟踪研究，按厂商、产品类别与市场细分维度统计市场份额。本次结果对应的细分领域为中国文件存储市场，统计口径为市场份额，统计周期为2026年第二季度。需要说明的是，份额排名反映的是市场表现，与特定性能基准测试结果属于不同评价体系，两者不作相互换算。

统一承载各类业务

深信服aStor统一存储在一套自研软件架构下提供块、文件、对象与向量四类数据服务。文件服务是其中承载业务面最广的一项，其能力构建围绕三类负载展开。

针对海量小文件负载——芯片设计中的代码与仿真结果、医疗影像中的B超与病理切片、AI训练中的数据集样本，瓶颈通常不在带宽而在元数据。aStor的文件服务基于自研PhxDFS分布式文件系统，支持POSIX标准接口与pNFS并行访问：元数据路径与数据路径分离，用户端可直连数据节点并行读写；元数据侧由多活MDS配合目录分片把请求分散到多个处理单元，自研PhxKV元数据引擎为海量小文件并发提供支撑；配合小文件聚合与追加写日志机制合并I/O，减少随机写放大。

针对高并发访问负载——数十台乃至上百台研发终端或计算服务器同时访问同一命名空间时，请求需要被有效分散。aStor支持NFS多连接，将单挂载点请求分散到多条连接与多个节点；支持NFS over RDMA与S3 over RDMA，降低网络时延与主机CPU开销；聚合带宽随集群规模增长（实际增幅按真实负载验证）。

针对大文件吞吐负载——EDA仿真、影视后期、AI训练中的数据加载以顺序大块读写为主。aStor通过条带化将大文件分散到多个数据节点并行处理，并以全闪高性能层承接高频访问。在公开的SPECstorage 测试环境中，aStor基于EDA_BLENDED负载模型取得2节点2500 Job Sets、总体响应时间（ORT）0.47ms、18151 MB/s聚合带宽，4节点5000 Job Sets、总体响应时间（ORT）0.59ms、36290 MB/s的成绩。该成绩对应特定测试配置与负载模型，不代表其他场景下的表现预期。

对高性能文件负载而言，是否需要单独建设一套专用并行文件系统，建议按实际负载和业务需求验证后再定。aStor的做法是让块、文件、对象与向量共用同一底座，业务需要哪种访问方式就直接取用，避免一上来就为单一文件负载新建一套孤立系统。

统一治理全域数据

文件存储的价值不只体现在读写性能，同样体现在数据的可管理性。aStor通过统一视图把跨NAS、对象存储与云存储的元数据逻辑聚合，建立全局单一命名空间，业务无需关心数据物理位置，即可按项目、时间、类型等维度检索、发现与复用数据；异构纳管让已有存储直接接入，存量数据无需全量迁移。

协议互通解决了数据复用的最后一环。同一份数据保存在存储中，文件应用可通过NFS/SMB访问，对象应用可通过S3访问，两个方向都无需复制。数据处理与生产应用因此可以在同一份数据上衔接，省去跨协议转换与二次搬运的开销。对持续变化的数据，数据分支管理（目前适用于普通对象桶与目录桶，NAS桶和向量桶不在支持范围）提供候选分支、版本提交、审阅合并与版本回退能力，让数据的演进可追溯。

数据流动则按访问频度自动放置数据：高频数据保留在全闪高性能层，历史与低频数据自动沉降至混闪容量层，再次被访问时按需加载。容量与性能可分别按需扩展，避免性能扩容与容量扩容相互绑定。

统一储存任意规模数据

aStor采用分布式横向扩展架构，容量与性能随节点增加而增长，扩展过程在线完成，业务无需停机。全闪与混闪节点可在同一集群内共存：活跃数据由全闪层承载，历史与低频数据沉降至容量层。对中大型用户集群、大型数据中心与智算中心存储这类规模持续增长的部署，存储可以按数据增长节奏逐步扩容，避免一次性过度投资。

在架构基础上，深信服aStor统一存储为全栈自研：从分布式文件系统PhxDFS、元数据引擎PhxKV到存储引擎均为自研，非Ceph改造。这使得性能优化可以贯通到每一层，元数据、数据通路与介质调度协同设计；也让功能演进节奏自主可控，新增数据形态可以在既有架构上承接。

高性能文件的行业实践覆盖

上表说明的是深信服aStor统一存储在各行业的项目覆盖广度，它代表用户与负载的多样性，但不能直接等同于高性能文件能力的验证样本数量——后者需要另按有文件负载实测或明确记录的单个项目来核定。就上表涉及的场景而言，文件规模从几十KB一直延伸到单个数十GB，企业遇到的共同诉求是高并发访问下的稳定时延，以及容量增长过程中性能表现不出现明显衰减。对中大型用户集群与大型数据中心的文件存储建设，行业覆盖提供的是工程适配经验的参考，具体表现仍应以自身真实负载的实测为准。

面向中大型用户的落地实践

在半导体研发领域，深圳佰维存储科技股份有限公司开展半导体研发，EDA仿真任务需要多核计算资源与共享存储协同工作。该用户采用aStor混闪存储承载EDA研发数据，以分布式文件服务支持1000核以上仿真计算，并通过横向扩展适配后续计算规模和数据增长。

眸芯科技（上海）有限公司开展芯片设计研发，约60—70台计算服务器需要共享代码、版图和仿真数据，并运行LVS、DRC等EDA验证任务。原有方式依赖服务器本地目录共享，存在单点风险，集中并发时也容易形成访问瓶颈。该用户部署6台aStor、约1PB容量，采用NVMe混合分层和NFS共享，为EDA计算服务器提供统一文件访问。一项LVS/DRC测试任务用时由10小时缩短到8.3小时，减少了验证环节等待。

芯华章科技股份有限公司从事EDA相关研发，大量研发终端和计算服务器需要持续访问代码、仿真结果及海量小文件。多用户和多服务器并发访问使元数据与小文件处理成为存储压力点。该用户采用3节点aStor混闪方案，以NAS文件服务承载研发代码和仿真小文件，并结合块存储接入相关业务，通过SSD性能层和分布式容量资源兼顾热点访问与数据增长，统一共享路径减少研发数据分散。

翱捷科技股份有限公司开展先进制程芯片设计的EDA研发，部署1PB全闪存储承载EDA在线业务，为设计任务提供高性能数据访问支撑。上海南芯半导体科技股份有限公司优化EDA在线研发存储架构后，项目研发效率提升30%，改善了设计与仿真任务的数据访问。

在医疗场景，上海市第一妇婴保健院的业务数据来自超声PACS、影像PACS、心电、LIS、病案翻拍及基因相关系统，文件类型和报告版本较多。业务量增长使传统集中式存储面临性能和容量压力，多套系统分别保存资料也增加了管理复杂度。该用户部署4台aStor、约300TB容量，对接PACS及基因相关数据，将超声、心电、LIS、病案等资料纳入统一存储，并以海量文件管理和版本管理能力保留报告各版本原始文件，实现多系统数据的统一管理并改善B超影像、PACS等文件的打开速度。

在科研与AI方向，清华大学智能产业研究院的训练数据超过200TB，原自建存储存在I/O瓶颈。该用户部署3台aStor-3650，提供480TB存储空间，每台配置2块1.6TB U.2 NVMe作为高性能层，通过小文件聚合、元数据优化和预加载改善训练供数。

市场份额是结果，能力是原因。IDC的季度跟踪反映的是一个统计周期内市场的集体选择，而支撑这种选择的，是更长期的三件事：一套架构能否同时承接今天的文件共享业务与明天的AI负载；能否在数据从几十TB涨到PB级的过程中，始终不用停机就完成扩展；能否让被反复复用的数据始终处在可检索、可追溯、可治理的状态。对正在规划文件存储建设的团队，比追踪名次更实际的动作，是先把自己现有的数据形态、并发规模和增长节奏摊开来核对一遍，看候选方案是不是真能把这些都收在同一个底座上，再用真实负载的实测去确认图纸上的数字。名次会随统计周期变化，架构能不能兜住业务的增长节奏，才是几年之后回头看依然成立的那件事。