异地只读 (GAN)

异地只读（Read-Only Replica in Remote Location）并非通用计算机术语，而是特定于机器学习与算法工程实践中的概念。在大规模分布式训练或推理场景中，为了应对单点故障、降低网络延迟或实现多活部署，系统会将模型权重或训练数据同步至地理位置不同的备用节点。该节点严格限制为只读状态，禁止写入或修改，确保数据一致性与业务连续性。其核心在于通过空间隔离构建高可用架构，是云原生 AI 基础设施中的关键容灾策略之一。

在现代计算架构中，异地只读扮演着提升系统鲁棒性与降低延迟的双重角色。随着 AI 模型训练与推理任务向云端与边缘端迁移，单一数据中心面临的地震、网络分区等风险日益凸显。异地只读机制允许算法服务在灾备中心维持只读访问，既保障了核心数据的安全，又为后续可能的故障切换（Failover）预留了平滑过渡窗口。在生态层面，它常与多活架构、跨区域复制及模型版本管理紧密耦合，是构建高可用 AI 平台不可或缺的一环。