某晚训练到 80%,模型盘(NVMe 2T)直接消失,重启后 BIOS 里时隐时现——最终重插 M.2 恢复,SMART 全绿,损失 6 小时训练。这次「幽灵掉盘」让我重构了备份策略。
现在的工作流:3-2-1 分层——热数据(系统+常用模型)本地 NVMe;温数据(LoRA/数据集)第二块 NVMe 每日同步;冷数据(全部 checkpoint)企业机械盘 + 对象存储月度归档。总成本:第二块 2T NVMe ¥849 + 机械盘摊销 + 云存储 ¥15/月,合计不到 ¥100/月。
教训:SSD 的故障没有前兆,机械盘至少会响。模型文件重新下载是时间成本,LoRA 和数据集丢了是几个月的劳动——后者的备份优先级高于一切。