NAS 要多大
按现在的采集节奏和 0.3、0.4 的计划推算：1 年内可用空间最少要 28 GB，最多约 1 TB；远景（约 3 年）最少 81 GB，最多约 3.5 TB。两头相差几十倍，主要看两件事：气象厅每小时的防灾 XML 全留还是封顶，存储开不开压缩。
盘上 21 GB，有用的约 6.6 GB
2026-10-24 在本机状态目录量的。向量库占了 15 GB，可真正的向量只有 0.16 GB，其余是 LanceDB 每次写入留下的旧版本，一共 32,789 份清单。
浅蓝是真实向量，斜纹是旧版本。“其他”一行由 6.6 GB 减去前三项得出，没有单独量。
五层叠起来，再留三成余量
raw 按 sha256 存，只增不删（团队定的“不做清理”）。其余各层都由 raw 推出来，所以先估每个来源的 raw，再按比例加上其余几层。
| 参数 | 最少 | 最多 |
|---|---|---|
| 压缩NAS 文件系统压缩（zstd / lz4） | × 0.5 | 不压缩 |
| 索引SQLite 分块、FTS5 关键词、向量 | raw 的 12% | raw 的 40% |
| 观测库DuckDB / Parquet，只算结构化来源 | 5% | 25%，含修订历史 |
| 状态代次ADR 0005：分块去重，保留当前和上一代 | 索引的 15% | 整份一代 + 6.5 GB 增量 |
| 气象厅每小时防灾 XML | 封顶 5 GB | 全留，每天 0.44 GB |
期限对应的进度是我的假设：3 个月 ≈ MAPLE 完成；半年 ≈ WISTERIA 试点；1 年 ≈ 国际来源扩开；远景 ≈ 3 年，接入 130 个案例用到的其余来源。
选一个期限，看空间花在哪
右边的圆柱是一个 4 TB 的卷，水位就是所选情形需要的可用空间；细环标出另一种情形。
最少和最多，四个期限
| 期限 | 最少 · 数据 | 最少 · 可用空间 | 最多 · 数据 | 最多 · 可用空间 |
|---|
“数据”是五层之和；“可用空间”再除以 0.7，留三成余量给重建索引、换向量模型时的临时双份和文件系统本身。单位是十进制 GB / TB。
两块 4 TB 镜像够到远景，空盘位留给以后
RAID1 两块盘互为镜像，坏一块不丢数据；但 RAID 不是备份，误删和整机故障它都挡不住。
- 可用约 2 TB
- 覆盖 1 年最多情形（1.0 TB），还剩一半
- 远景最多情形不够，要整体换大盘
- 可用约 4 TB
- 覆盖远景最多情形（3.5 TB）
- 空着两个盘位，以后加两块就能翻倍
- 1 TB 约每月 15 美元，3.5 TB 约 53 美元
- 出网免费，读写操作另计
- 本机建索引仍要一份本地副本
备份只备 raw。 raw 是唯一不能重建的东西，而且内容寻址、只增不删，增量备份很省事；索引、向量、观测库都能从 raw 重建（ADR 0005 里 27,880 个分块的关键词索引 65 秒就重建完）。1 年最多情形下 raw 约 340 GB，一块移动硬盘或 R2 一个桶就放得下。
三件事决定落在哪一头
LanceDB 定期清掉旧版本，现在就能腾出 15 GB；不清的话，每次写入都留一份清单，增长比数据本身快。
这是索引维护，不碰 raw。要不要做、多久做一次，需要团队定。
气象厅全留是最大的单项，三年近 500 GB。可以提高上限，也可以只留需要的电文种类。
现在 5 GiB 的上限几天内就会碰到，碰到后这个来源就停了，这件事要先定。
开文件系统压缩。XML、JSON、HTML 通常压到原来的 1/3 到 1/5；PDF、GIS、已压缩的下载包几乎压不动。
最少情形只按 × 0.5 算，偏保守。