[开源分享] 仅需一个脚本就能将目录转 s3 服务， FluxonFS vs Alluxio 5x 吞吐

7 天前
 hanbaoaaa

如今，从 AI 训练框架加载模型、日志系统归档，到个人 NAS 的轻量备份，S3 已经事实成为现代云原生和 AI 工具链的标准对象存储接口。过去提到自建 S3 ，全球开发者的默认选项是 MinIO——高性能、S3 兼容、部署简单。但过去几年，MinIO 的一系列操作让社区逐渐离心：License 从宽松的 Apache 2.0 变为严苛的 AGPLv3 ，开源版接连砍掉 Console 管理控制台，商业化收紧的意图越来越明显。对于许多中小团队和个人开发者来说，MinIO 确实有些"不行了"。

在这个生态位空缺的窗口期，RustFS 应运而生，刚好完美补上了这个位置。它用 Rust 重写了对象存储的核心，凭借无 GC 停顿、编译期内存安全的特性，提供了极高的并发性能和极低的延迟，以及良好的社区运营，迅速成为替代 MinIO 的优秀标杆。

但无论是 MinIO 还是 RustFS ，它们本质上都是独立的对象存储系统。 数据一旦写入，就会被系统接管，转化为内部格式和分片目录。这在构建大规模企业级集群时优势明显，但在个人使用、轻量级开发或本地 AI 调试场景中，却带来一种割裂的体验——你无法用 ls 直接查看文件分布，无法用 grep 快速检索日志，无法用 rsync 直接迁移数据。

大家在使用一些简单的网络存储组件时可能会面临一个矛盾：既需要标准 S3 接口兼容现代工具链，又需要数据以普通文件形式存在，以便使用 ls、grep、rsync 等 Linux 工具直接处理。

典型场景：

常见方案的局限：

FluxonFS 的解决思路：本地文件系统作为真相源，Fluxon 仅作接口转换和缓存加速

针对上述局限，需要一种既提供标准 S3 接口，又不接管数据管理、仍允许直接操作底层文件的方案。在统一数据访问与缓存加速领域，Alluxio 是这一理念的开创者之一：它证明了通过统一接口层和智能缓存，可以有效解耦上层应用与底层存储。

围绕“协议转换 + 访问加速”，业界长期存在多条技术路径：NFS 、SMB 将远程文件系统暴露给本地客户端； s3fs 等 FUSE 工具把远程 S3 bucket 挂载为本地目录； Ceph 、JuiceFS 等存储系统通过自身的数据与元数据层提供文件和 S3 等多种访问接口； RustFS 等对象存储则专注于提供高性能的 S3 兼容入口。它们解决的问题相近，但映射方向和权威数据源不同：

技术路径 典型方案 权威数据源 主要特点
远程文件系统 → 本地文件接口 NFS 、SMB 远程文件系统 提供文件语义，但不能直接满足只支持 S3 的应用
S3 对象存储 → 本地文件接口 s3fs S3 对象存储 通过 FUSE 模拟文件访问，底层对象存储仍是真相源
自有存储系统 → 多协议接口 Ceph 、JuiceFS 系统自身的数据与元数据层 同时提供文件和对象入口，但数据由该存储系统管理
自有对象存储 → S3 接口 MinIO 、RustFS 对象存储自身 提供原生 S3 服务，但不以现有普通目录作为权威数据源
现有本地目录 → 多协议接口 Alluxio 、FluxonFS 本地普通文件 无需迁移或转换数据，增加多协议入口并复用缓存、共享内存和 RDMA 能力

FluxonFS 属于上表第五类：它直接叠加在现有本地目录之上，不要求数据迁移到新的存储格式。本地文件系统始终是唯一权威数据源（ Single Source of Truth ）； FluxonFS 不接管数据管理，只在其上提供多协议访问与缓存加速。本文聚焦其中的标准 S3 接口。

在此基础上，FluxonFS 复用 Fluxon 底层的 KV 缓存、共享内存和 RDMA 数据通路，在保持数据归属不变的同时，加速热点对象和跨节点访问。

FluxonFS 不会接管、封装或隐藏数据，而是直接叠加在现有本地目录之上：

这意味着：

这种设计实现了零数据迁移与双向透明，适合现代 AI 工作流和轻量级运维场景。

FluxonFS S3 读写性能

下面是在同一台开发机上，使用 rclone v1.60.1 对 FluxonFS S3 和 Alluxio S3 Proxy 进行的单机对比。两套服务均重复执行 3 次；共完成 162 个测试案例，文件内容、实际磁盘读写字节和干扰检查全部通过。

图中的柱高为三轮算术均值。4 KiB 小文件使用 objects/s，1 MiB 和 256 MiB 文件使用 MiB/s；各文件大小面板采用独立纵轴，冷读与热读在同一面板内共用纵轴。

持久化 PUT 、冷读与热读汇总图

图注：第一行是持久化 PUT ；第二行在同一纵轴内合并冷读和热读。每个并发档位依次排列 FluxonFS 冷读、Alluxio 冷读、FluxonFS 热读、Alluxio 热读；下方百分比中，绿色表示 FluxonFS 领先，红色表示 FluxonFS 落后。

测试结果结论

  1. FluxonFS 在持久化 PUT 与冷读的全部 18 组组合中均快于 Alluxio 。 持久化 PUT 的领先幅度为 36%～ 726%，冷读的领先幅度为 7%～ 661%。
  2. 小文件和中文件在并发访问下收益最明显。 4 KiB 冷读在并发 1 、8 、32 下分别达到 605 、3,539 和 4,259 objects/s ； 1 MiB 冷读在并发 32 下达到 1,145 MiB/s ，约为 Alluxio 的 7.6 倍。
  3. 大文件冷读更接近底层 NVMe 吞吐上限。 FluxonFS 在并发 1 、8 、32 下分别领先约 7%、19% 和 42%；优势仍然存在，但不像小文件和中文件那样显著。
  4. 热读中，小文件高并发优势最明显，中大文件整体接近。 FluxonFS 的 4 KiB 对象吞吐领先约 8%～ 43%； 1 MiB 在并发 8 时领先约 19%，并发 1 和 32 时与 Alluxio 相差不足 1%； 256 MiB 在三种并发下的差异不超过约 1.2%。

目录、对象与缓存如何对应

上述设计通过 FluxonFS 的 export 模式落地：export_name 对应 bucket ，导出根目录下的相对路径对应 object key 。

FluxonFS 概念 S3 概念 本地文件系统 双向行为
export_name bucket 导出目录的对外名称 预先声明的 export 作为 bucket 暴露
remote_root_dir_abs bucket 根路径 真实文件所在的绝对目录 作为权威数据源，读写最终作用于此
relpath object key 根目录下的相对路径 S3 写入生成真实文件；本地文件可由 S3 读取
username / password Access Key ID / Secret Access Key FluxonFS 用户凭据 用于标准 SigV4 鉴权

serve_s3_single_node 默认使用以下映射：

export_name = quick-start-export
remote_root_dir_abs = /data

s3://quick-start-export/llama/model.safetensors
                                 ⇅
/data/llama/model.safetensors

quick-start-export 是固定 bucket 名称，不从目录名推导。现有数据无需导入，本地工具与 S3 客户端直接操作同一批文件。

启动：Linux 脚本与 Docker 两种路径

以下两种方式启动同一套服务，将指定目录暴露为 quick-start-export bucket 。S3 endpoint 为 http://127.0.0.1:26180/fs_s3。

前置：用 Docker 启动中间件

方式 A 和方式 B 都复用同一组外部中间件：etcd 负责控制面元数据，GreptimeDB 负责监控数据。下面的命令使用 Docker named volume 持久化数据，在 Linux Shell 和 PowerShell 中都可逐行执行：

docker volume create fluxon-s3-etcd
docker volume create fluxon-s3-greptime
docker run -d --name fluxon-s3-etcd --restart unless-stopped -p 22379:2379 -v fluxon-s3-etcd:/etcd-data quay.io/coreos/etcd:v3.5.0 /usr/local/bin/etcd --data-dir /etcd-data --name etcd0 --listen-client-urls http://0.0.0.0:2379 --advertise-client-urls http://0.0.0.0:2379 --listen-peer-urls http://0.0.0.0:2380 --initial-advertise-peer-urls http://0.0.0.0:2380 --initial-cluster etcd0=http://0.0.0.0:2380 --initial-cluster-state new
docker run -d --name fluxon-s3-greptime --restart unless-stopped -p 24000:4000 -v fluxon-s3-greptime:/greptimedb greptime/greptimedb:v0.15.1 standalone start --data-home /greptimedb --http-addr 0.0.0.0:4000 --rpc-bind-addr 127.0.0.1:4001 --mysql-addr 127.0.0.1:4002 --postgres-addr 127.0.0.1:4003

确认两个容器均为 Up：

docker ps --filter name=fluxon-s3-etcd --filter name=fluxon-s3-greptime

这两个端口没有配置鉴权，只应在本机或受信网络中开放。已有可用的 etcd 和 GreptimeDB 时，可以跳过本节并替换后文地址。

方式 A：Linux （ pip ）

Linux x86_64 需要 Python 3.10 或更高版本。安装 Fluxon：

python3 -m pip install --upgrade fluxon-py

新建 serve_s3_single_node.py：

from fluxon_py.quick_start import serve_s3_single_node

kv_master_config = {
    "etcd_endpoints": ["127.0.0.1:22379"],
    "cluster_name": "fluxon_s3",
    "instance_key": "fluxon_s3_master",
    "network": {
        "tcp_reactor_mode": "event_driven",
    },
    "port": 25100,
    "log_dir": "/path/to/state/kv-master/log",
    "monitoring": {
        "prometheus_base_url": "http://127.0.0.1:24000/v1/prometheus",
        "prom_remote_write_url": ["http://127.0.0.1:24000/v1/prometheus/write"],
        "otlp_log_api": {
            "otlp_endpoint": "http://127.0.0.1:24000/v1/otlp/v1/logs",
            "db_name": "public",
            "table_name": "fluxon_logs",
        },
    },
}

kv_owner_config = {
    "instance_key": "fluxon_s3_owner",
    "network": {
        "tcp_reactor_mode": "event_driven",
    },
    "contribute_to_cluster_pool_size": {"dram": 1073741824, "vram": {}},
    "fluxonkv_spec": {
        "etcd_addresses": ["127.0.0.1:22379"],
        "cluster_name": "fluxon_s3",
        "share_mem_path": "/dev/shm/fluxon-s3",
        "sub_cluster": "default",
        "large_file_paths": ["/path/to/state/kv-owner/large"],
    },
}

serve_s3_single_node(
    "/path/to/data",  # 要暴露为 S3 的本地数据目录
    "/path/to/state",  # Fluxon 持久状态目录
    kv_master_config=kv_master_config,  # KV master 配置
    kv_owner_config=kv_owner_config,  # KV owner 配置
    export_name="quick-start-export",  # S3 bucket 名称
    start_middleware=False,  # 复用外部 etcd 和 GreptimeDB
    greptime_base_url="http://127.0.0.1:24000",  # GreptimeDB 地址
)

本文的单机 Quick Start 在 KV master 和 owner 两个进程中都显式使用 event_driven 模式，以降低空闲 CPU 占用； Quick Start 内部启动的 zero-contribution external KV client 也默认使用 event_driven。owner 和 master 这两类服务器进程在未配置时默认使用 busy_poll，以最小化网络事件唤醒和线程调度延迟，但会占用更多 CPU 。该选项是进程级配置，master 和 owner 需要分别设置。

运行：

python3 serve_s3_single_node.py

export_name 是对外暴露的 bucket 名称。serve_s3_single_node 直接使用两份 KV runtime 配置，并复用前置步骤启动的 etcd 和 GreptimeDB 。服务在前台运行，按 Ctrl-C 停止。

路径作用：

方式 B：Docker 运行

也可以使用 Docker 启动； Windows 当前必须使用 Docker Desktop 的 Linux 容器。以下命令在 PowerShell 中运行，初始账号 admin / admin 仅用于首次设置。

首次初始化前不要对其他主机开放 26180 端口。

docker run -d --name fluxon-s3 `
  --restart unless-stopped `
  -p 26180:26180 `
  --shm-size 2g `
  --add-host=host.docker.internal:host-gateway `
  --mount "type=bind,src=C:\fluxon-s3\data,dst=/data" `
  --mount "type=bind,src=C:\fluxon-s3\state,dst=/state" `
  --entrypoint python3 `
  "hanbaoaaa/fluxon_quick_start:0.2.4" `
  -c "
from fluxon_py.quick_start import serve_s3_single_node

kv_master_config = {
    'etcd_endpoints': ['host.docker.internal:22379'],
    'cluster_name': 'fluxon_s3',
    'instance_key': 'fluxon_s3_master',
    'network': {
        'tcp_reactor_mode': 'event_driven',
    },
    'port': 25100,
    'log_dir': '/state/kv-master/log',
    'monitoring': {
        'prometheus_base_url': 'http://host.docker.internal:24000/v1/prometheus',
        'prom_remote_write_url': ['http://host.docker.internal:24000/v1/prometheus/write'],
        'otlp_log_api': {
            'otlp_endpoint': 'http://host.docker.internal:24000/v1/otlp/v1/logs',
            'db_name': 'public',
            'table_name': 'fluxon_logs',
        },
    },
}

kv_owner_config = {
    'instance_key': 'fluxon_s3_owner',
    'network': {
        'tcp_reactor_mode': 'event_driven',
    },
    'contribute_to_cluster_pool_size': {'dram': 1073741824, 'vram': {}},
    'fluxonkv_spec': {
        'etcd_addresses': ['host.docker.internal:22379'],
        'cluster_name': 'fluxon_s3',
        'share_mem_path': '/dev/shm/fluxon-s3',
        'sub_cluster': 'default',
        'large_file_paths': ['/state/kv-owner/large'],
    },
}

serve_s3_single_node(
    '/data',  # 要暴露为 S3 的容器内数据目录
    '/state',  # 容器内 Fluxon 持久状态目录
    kv_master_config=kv_master_config,  # KV master 配置
    kv_owner_config=kv_owner_config,  # KV owner 配置
    export_name='quick-start-export',  # S3 bucket 名称
    start_middleware=False,  # 复用外部 etcd 和 GreptimeDB
    greptime_base_url='http://host.docker.internal:24000',  # GreptimeDB 地址
)
"

将两个 C:\fluxon-s3\... 替换为已存在的 Windows 目录：

以上示例针对 Windows Docker Desktop 。Linux 推荐使用方式 A ；若改用 Docker ，应将 bind mount 换为 Linux 路径，并添加 --user "$(id -u):$(id -g)"。同时确保数据与状态目录对该用户可写，否则容器以 root 创建的文件可能无法由宿主机普通用户直接修改。

删除 /state/fs_master/access.db 会重置账号初始化状态。Unix 下该文件权限为 0600。

端点与首次设置

服务启动后提供：

S3 endpoint: http://127.0.0.1:26180/fs_s3
Web UI:      http://127.0.0.1:26180/fs_s3/ui/
bucket:      quick-start-export

Docker 后台日志可通过 docker logs fluxon-s3 查看。首次用 admin / admin 登录 Web UI 后，页面会强制进入 Change Credentials：

  1. 输入新用户名，它同时是 S3 Access Key ID 。
  2. 输入与 admin 不同的新密码，它同时是 S3 Secret Access Key 。
  3. 提交后，浏览器可能因缓存了旧 Basic Auth 凭据而再次弹出登录框；此时使用新凭据登录。

改密完成前，S3 请求返回 AccessDenied。提交后旧凭据立即失效，状态写入 access.db。 凭据更新后等待约 2 秒，让权限状态传播到 FS agent ，再使用 S3 客户端。

验证本地目录与 S3 的双向映射

以下命令以 /path/to/data 为权威数据目录。

配置 rclone 作为 S3 客户端

改密后创建 /tmp/rclone-fluxon.conf。umask 077 可防止其他本机用户读取 Secret Access Key：

umask 077
cat > /tmp/rclone-fluxon.conf <<'EOF'
[fluxon]
type = s3
provider = Other
env_auth = false
access_key_id = <首次设置后的新用户名>
secret_access_key = <首次设置后的新密码>
region = us-east-1
endpoint = http://127.0.0.1:26180/fs_s3
force_path_style = true
disable_checksum = true
use_multipart_etag = false
EOF

FluxonFS 使用 path-style bucket 路径：

http://127.0.0.1:26180/fs_s3/quick-start-export/from-local.txt

操作 1：S3 写入 → 本地立即可见

# S3 客户端写入
printf 'uploaded through S3\n' > /tmp/from-client.txt
rclone --config /tmp/rclone-fluxon.conf copyto \
  /tmp/from-client.txt \
  fluxon:quick-start-export/upload/from-client.txt

# 本地直接读取
cat /path/to/data/upload/from-client.txt
# 输出：uploaded through S3

以下截图来自将 export_name 配置为 manual-data 的实测环境；除 bucket 名称外，操作与上面的 quick-start-export 示例相同。

上传完成后，可以在 Web UI 中看到同一个对象：

操作 2：本地修改 → S3 读取生效

# 本地直接追加
echo 'appended locally' >> /path/to/data/upload/from-client.txt

# S3 客户端读取
rclone --config /tmp/rclone-fluxon.conf cat \
  fluxon:quick-start-export/upload/from-client.txt
# 输出包含：uploaded through S3 、appended locally

操作 3：S3 删除 → 本地文件消失

rclone --config /tmp/rclone-fluxon.conf deletefile \
  fluxon:quick-start-export/upload/from-client.txt

test ! -e /path/to/data/upload/from-client.txt && \
  echo '本地文件已同步删除'

三组验证覆盖 S3 写入、本地修改和 S3 删除，操作始终作用于同一份权威数据。

当前兼容边界与注意事项

FluxonFS 用于融合 S3 协议入口与本地文件工作流，不覆盖 AWS S3 的全部企业级特性。

rclone 是使用广泛且长期维护的 S3 数据传输工具。本文用 rclone v1.60.1 进行端到端集成测试，覆盖 bucket 检查、对象列举、上传、下载、删除和 Multipart Upload ，结果具有较强代表性。

兼容性摘要：

注：上述测试覆盖常见读写链路，不代表通过 AWS S3 全量兼容性认证。

关键注意事项：

  1. 耐久性依赖底层存储：增加 S3 入口不会自动获得多副本或高可用能力。
  2. 并发需业务协调：S3 客户端与本地进程同时写同一文件时，上层业务仍需保证原子性并处理冲突。
  3. 公网部署需额外加固：示例使用 HTTP 。首次改密前不得向其他主机开放 26180； Linux 上的 22379、25100 和 24000 应限制为本机访问。对外服务还需配置 TLS 、权限边界、监控和备份。

结语

使用 FluxonFS 可以轻松将现有文件夹转换为 S3 服务，欢迎试用和贡献代码。如果使用过程中遇到问题，也欢迎添加微信（见 README ）或提交 Issue，我们会积极、高效地解决问题。

Fluxon 是面向 AI 数据流动的开源数据面加速底座，在统一系统架构下提供分布式键值缓存、RPC 、消息队列和兼容 S3 的文件对象缓存加速能力，并复用共享内存、RDMA 、监控和部署工具链。FluxonFS 是其中连接普通文件目录与对象访问生态的一环。

Fluxon 由中国电信人工智能研究院（ TeleAI ） AI Infra 团队研发，由中国电信首席科学家李学龙教授带领，已基于 Apache License 2.0 开源。欢迎使用 Fluxon ，也欢迎对 AI 推理缓存、异构训练、Rust 数据面、文件与对象存储以及分布式系统感兴趣的开发者参与项目。GitHub 仓库地址： https://github.com/Tele-AI/Fluxon 。

400 次点击
所在节点    开源软件
0 条回复

这是一个专为移动设备优化的页面（即为了让你能够在 Google 搜索结果里秒开这个页面），如果你希望参与 V2EX 社区的讨论，你可以继续到 V2EX 上打开本讨论主题的完整版本。

https://v2ex.ih06.com/t/1233228

V2EX 是创意工作者们的社区，是一个分享自己正在做的有趣事物、交流想法，可以遇见新朋友甚至新机会的地方。

V2EX is a community of developers, designers and creative people.

© 2021 V2EX