rustfs

分布式存储与RustFS

RustFS 原生支持 S3 Tables：对象存储怎么变成 AI 原生存储一套 AI 训练管线里，原始图片、视频、文本扔在对象存储，训练样本的特征表、标签、检查点元数据却躺在数仓或单独的湖仓里。两套房系统，数据要在之间来回搬，搬一次就多吃一遍网络带宽、多一截延迟。2024 年 AWS 推出 S3 Tables，把 Apache Iceberg 这种表格式直接塞进对象存储核心；2026 年 6 月 15 日，RustFS 官方博客宣布原生支持 S3 Tables 已接近完成。这条线值得认真看——它把"对象存储"和"AI 原生存储"之间的墙打通了。

分布式存储与RustFS

用 rclone 把现有 S3/MinIO 数据同步到 RustFS有套 MinIO 跑了两年，里面是数据库备份和客户交付物。你想在 RustFS 上再做一份异地副本，万一主存储出问题能拉得回来。不想写迁移脚本，也不想引入新组件——rclone 一个二进制就够。

分布式存储与RustFS

在自己的机器上复现 RustFS 性能基准：warp 压测实操2026-07-17 RustFS 发了 1.0.0-beta.10，官方 warp 压测里 PUT 在 4MiB 对象上跑出 2.85× 于 MinIO。我看到这种数字第一反应是：我的机器能复现吗？还是只在 Azure 那套 4 节点 × 4 盘、32000 IOPS 的 NVMe 配置上才成立？这篇就讲怎么在你自己机器上把这套基准跑出来，以及哪些数字你能信、哪些得打折。

分布式存储与RustFS

把 12TB 生产数据从 MinIO 迁到 RustFS：一次真实迁移的实测有一支团队在 2026 年 3 月把一个跑了多年的生产对象存储从 MinIO 迁到了 RustFS，数据量 12.4TB、4700 万个对象，单周末切完。他们公开了迁移前后在同一套硬件上的实测数字。我把它拆开看，不是想证明谁赢，而是想弄明白：对一个已经在用 MinIO 的团队，换成 RustFS 到底改了什么、收益落在哪、代价又是什么。结论先放这——写路径和运维开销的改善是真金白银，协议层面几乎零改动。

分布式存储与RustFS

给 RustFS 加第二个池：volumes 省略号语法与多池扩容路线1. 问题背景：容量不够了，加盘还是加池2. volumes 语法基础：位置参数与省略号3. 单节点多盘与省略号展开

分布式存储与RustFS

RustFS 监控实战：OpenTelemetry Collector 把指标接入 Prometheus + Grafana集群里 RustFS 跑了三节点，某天业务反馈写入变慢，你上去想看吞吐和在线节点数，却发现 :9000/metrics 抓不到任何 Prometheus 数据。不是没监控能力，是 RustFS 的指标走的是另一条路：OpenTelemetry，不是 Prometheus 拉。

分布式存储与RustFS

从 MinIO 到 RustFS：不只是换语言，更是换一份协议自由一次选型评审，技术方案都过了，卡在法务：产品要通过网络对外提供基于 MinIO 的能力，而 MinIO 是 AGPL v3，按条款"网络服务即分发"，得把整个服务的源码开源。团队不想为用一个存储组件把核心业务敞开，于是开始找 S3 替代。

分布式存储与RustFS

给 Kubernetes 找一个对象存储后端：RustFS Helm 部署 + 应用接入实录集群里跑着训练任务和日志管道，PVC 块存储越堆越多：扩容量要等重建、多个 Pod 抢同一份数据时还要自己处理锁和拷贝。你查了一圈，发现这类工作负载真正需要的是一个 S3 兼容的对象存储后端——对象不上锁、随便共享、还能挂生命周期策略自动归档。于是你在集群里起了个 MinIO，但 AGPL 的许可条款让法务皱了眉，镜像里那些遥测也让数据主权强迫症难受。

分布式存储与RustFS

对象存储正在吞掉数据湖：S3 Tables 把 Iceberg 收编成存储的原生能力一套 50TB 的 Iceberg 湖仓跑在 S3 上，某天一条 SELECT count(*) 跑了 40 秒。你以为是扫描慢，翻 metrics 才发现 80% 的时间花在 LIST 请求上——查询引擎为了拿到最新 manifest，把几万个小文件挨个列了一遍。这不是个例：当你把 data file、manifest file、独立 catalog（Glue / Unity / Nessie）分开养，湖仓的元数据就成了三套系统各自记账的「双重账本」。最近 MinIO 把 AIStor Tables 推

分布式存储与RustFS

对象存储账单为什么比预期高 3 倍？S3 的 5 个隐性成本坑，以及怎么堵？一个真实工况：某团队把 20TB 备份和日志丢进一家 S3 兼容云，月底账单是当初按"存储单价 × 容量"算出来的 3 倍。复盘下来，多出来的钱几乎都不在存储单价里——出网流量、请求次数、一条忘了配的生命周期规则，每一项单独看都不大，叠起来就失控了。IDrive 刚发的 2026 性能报告把各家吞吐比得明明白白，可没哪家把"你实际要付多少"讲清楚。这篇把那些不在计算器里的钱，一项项算给你看。

分布式存储与RustFS

基于Rust的国产开源对象存储RustFS：S3 Table对Iceberg数据湖的适配详解目录一、传统对象存储适配Iceberg的核心痛点二、RustFS S3Table的核心适配设计思路三、RustFS S3Table适配Iceberg的核心落地优势

分布式存储与RustFS

对标MinIO！RustFS新一代AI分布式对象存储开源能力前瞻目录一、行业现状：通用开源存储已跟不上AI数据湖发展节奏二、RustFS新一代存储核心：S3Table重构AI数据湖底层能力

分布式存储与RustFS

Apache Iceberg数据湖轻量化搭建：基于Rust开源存储方案目录一、传统Iceberg部署模式的普遍痛点二、为什么RustFS更适合轻量化Iceberg数据湖搭建？

分布式存储与RustFS

RustFS S3 Table 开源后，我重新梳理了一下 Iceberg 数据湖的选型思路最近在社区看到一个有意思的更新：RustFS 把自研的 S3 Table 模块开源了。说起来，现在做 AI 数据栈，大家基本都绕不开 Iceberg。不管是用云厂商的托管服务，还是自己搭数据湖，底层都得有一套兼容 S3 协议的存储，来跑 Iceberg 的表格式。但实际落地下来，我接触的不少团队都会卡在同一个问题上：想做轻量化自建，却找不到合适的开源 S3 Table 实现方案。

分布式存储与RustFS

AI 多模态记忆数据：基于 RustFS 搭建分层高性能存储实战做 AI 应用研发的朋友，大概率都踩过非结构化数据存储的坑。随着业务跑起来，数据量一天比一天大，传统文件系统慢慢就扛不住了：写入吞吐上不去、随机读取延迟忽高忽低，元数据一多直接拖慢整体性能。

AllData公司负责人

亲测丝滑，体验跃迁｜AllData通过集成开源项目RustFS，多模态数据存储新范式传统数据存储普遍采用分库分表、分散部署的架构。面对结构化、文本、图片、视频、时序等不同类型的数据，企业往往需要单独搭建各类存储组件。这不仅形成了严重的数据孤岛，导致数据互通困难，也难以实现全域数据的统一治理。

分布式存储与RustFS

RustFS：国产对象存储的新希望近些年，信创国产化落地提速、AI小文件存储需求爆发，国内对象存储市场迎来全新变革期。但长期以来，国产开源对象存储一直存在明显短板：要么架构老旧、基于国外项目二次开发，核心技术不自主；要么性能孱弱、资源开销大，无法适配生产场景；要么协议受限、运维复杂，中小企业不敢轻易落地。随着MinIO社区版迭代停滞、商业门槛抬高、协议风险凸显，行业急需一款真正自研、轻量高效、稳定合规的国产平替方案。最近全新发布的RustFS Beta，彻底摆脱了传统国产存储的通病，凭借纯自研底层、Rust原生高性能架构、全场景信创适配、

you_get_me_there

centos7 部署 rustfs 文件服务官方文档: https://docs.rustfs.cn/installation/linux/quick-start.html

分布式存储与RustFS

RustFS Beta 正式发布：从可用到稳定，对象存储国产替代迎来里程碑以下是深入学习 RustFS 的推荐资源：RustFS官方文档： RustFS 官方文档- 提供架构、安装指南和 API 参考。