搞过 HPC 集群的人都知道一个尴尬的现实：超算那边跑 Lustre/BeeGFS，AI 那边跑 Ceph 对象存储，LLM 推理还得再搭一套 Redis 做 KV Cache。三套存储栈，三套运维，数据搬来搬去，GPU 利用率不到 50%。
PowerFS 想用一套存储把这三件事全干了。
不是"兼容"那种贴皮换药，而是从零开始用 Rust 写了一套统一存储引擎，把 POSIX 文件接口、S3 对象接口、KV Cache 接口塞进同一个数据池------数据写一次，三种接口都能读。
下面是 6 个我觉得比较有意思的技术点。
1. Rust 写的，没有 GC 抖动
这是第一个值得说的。Java/Go 写的存储系统在满负载下会有 GC Stop-The-World，P99 延迟突然飙到几百毫秒。HPC 场景对抖动零容忍------MPI 同步屏障下，一个进程卡 200ms，整个 job 全等。
PowerFS 全栈 Rust，无 GC，内存安全交给编译器。满负载跑 72 小时，P99 延迟波动 < 5%。没有 STW，没有妥协。
2. 三个接口，一个数据池
POSIX（FUSE/Kernel）给 HPC 科学计算，S3 给 AI 数据集和模型快照，KV Cache 给 LLM 推理。三种接口共享同一份 Needle 二进制格式存储，写一次到处读。
以前要在集群里同时部署 Lustre + Ceph + Redis，现在一套 PowerFS 搞定。运维成本直降，数据不再孤岛。
3. Filer Raft 强一致：元数据不丢不乱
所有元数据操作（mkdir/create/unlink/rename/lookup）全部走 Filer Raft commit，3 节点多数派写入才返回成功。线性强一致，没有"最终一致"的含糊。
关键设计是 Leader Lease Read ：读操作在 Leader 任期内直接本地读，不走 Raft Read Index，省一次网络往返。元数据读取延迟 < 2ms。
按 bucket 分片，每个 bucket 是独立 Raft 组，水平扩展无上限。
4. Volume Lease：数据层排他锁，60 秒复用
元数据靠 Raft，数据靠 Lease。每个 64MB Stripe 一把排他锁，写者独占。关键优化是 60 秒长期复用 ------同一个文件的连续写操作命中缓存后零 RPC，直接写盘。
锁的释放用 Rust 的 RAII 机制（Drop trait），作用域结束自动释放，不会忘记 unlock。崩溃恢复靠 TTL + grace period（= 租期 × 2），不会出现锁泄漏。
5. NVMe-oF 直连 + SPDK 裸盘：两种模式都是绕内核
Mode A ：Volume Server 用 SPDK 用户态驱动直接操作 NVMe 裸盘，绕过 ext4/xfs 文件系统，绕过系统调用，绕过 Block 层。4K 随机读从 50 万 IOPS 提到 200 万+，延迟从 100μs 降到 20μs。
Mode B ：直接连 NVMe-oF Target 全闪存阵列，连 Volume Server 都不要。客户端通过 RDMA 直达阵列，2 跳到达 SSD。阵列自带 RAID/EC/快照/压缩，PowerFS 专注元数据和一致性。
两种模式都做到了内核零参与。
6. 全链路硬件加速：NVMe 到 GPU 显存零拷贝
SPDK 裸盘 I/O + RDMA 无损网络 + GPU Direct 传输。数据从 NVMe SSD 到 GPU HBM 显存，全程零拷贝，不经过 CPU 内存中转。
这对 LLM 推理特别关键：KV Cache 数据在 NVMe 上，GPU 通过 GPU Direct 直接读取，相当于把 GPU 显存扩展到了 NVMe SSD。GPU 利用率从 40-50% 提升到 90%+。
数据说话
指标 提升 单线程元数据 ops 40x （5万→200万 ops/s） 目录列表（1万条目） 10.6x （50ms→4.7ms） 4K 随机读 IOPS 4x （50万→200万+） LLM 推理 GPU 利用率 40%→90%+
PowerFS 是开源项目，Apache 2.0 协议，代码全部 Rust 实现。
GitHub : github.com/powerfs/powerfs
如果你也在被 HPC+AI 混合负载的存储问题折磨，欢迎来 Star、Fork、提 Issue。