JuiceFS (14K⭐)：多个 POSIX 文件系统
JuiceFS（13,900+ 星标）将任何 S3 兼容的对象存储转换为符合 POSIX 标准的分布式文件系统。由 Redis 驱动元数据，它提供了具有本地文件系统语义的云原生性能——完美适用于 AI 训练、大数据和云工作负载。
- 更新于 2026-06-15
想象一下，你的团队需要在50多个工作人员之间共享用于人工智能训练的大型数据集。
每个工作节点都期望一个标准的 Linux 文件系统——但你的数据存储在 S3 中。
将 S3 挂载为本地文件系统令人沮丧：要么慢，要么不可靠，或两者兼而有之。
JuiceFS 通过结合两者的优点来解决这个问题。
凭借 13,900 多个 GitHub 星标以及主要云提供商的支持，JuiceFS 已成为 2026 年最受欢迎的云存储解决方案之一。
它为您提供具有本地磁盘性能特性的无限对象存储容量。
！
JuiceFS 架构图，显示元数据（Redis）和数据（S3）之间的分离](https://juicefs.com/docs/_media/juicefs-architecture.png)
JuiceFS 的工作原理 #
JuiceFS 将文件元数据与文件数据分开。
这一建筑决策是其性能的关键。
┌─────────────────────────────────────────────────────┐
│ JuiceFS Client │
│ ┌──────────────┐ ┌──────────────┐ │
│ │ Metadata DB │ │ Object Store│ │
│ │ (Redis) │ │ (S3/GCS/OSS)│ │
│ └──────┬───────┘ └──────┬───────┘ │
│ │ │ │
│ ┌──────┴───────────────────┴───────┐ │
│ │ POSIX Filesystem Interface │ │
│ │ (mount -t juicefs juicefs /mnt)│ │
│ └──────────────────────────────────┘ │
└─────────────────────────────────────────────────────┘
元数据操作（文件列表、权限、时间戳）存储到 Redis —— 一个极快的内存数据存储。
文件数据（实际内容）会存储到任何兼容 S3 的对象存储中——容量无限，存储便宜。
这种分离意味着元数据总是快速的，而数据可以扩展到拍字节级别。
！
JuiceFS 元数据流程图，显示使用 Redis 作为元数据存储，S3 作为文件数据存储](https://juicefs.com/docs/_media/juicefs-metadata-flow.png)
**问：为什么使用 Redis 存储元数据而不是其他数据库？
**
A：Redis 是理想的选择，因为元数据操作很小但非常频繁。
打开文件、列出目录或检查权限每秒会发生成千上万次。
Redis 每秒处理数百万次操作，延迟低于毫秒级。
虽然 JuiceFS 支持其他元数据引擎（MySQL、PostgreSQL、TiKV），但对于典型工作负载，Redis 提供了最佳性能。
安装与快速开始 #
让 JuiceFS 运行只需几分钟。
这是一个完整的设置，使用 Redis 存储元数据，使用 AWS S3 进行存储：
a
s
h
# Install JuiceFS CLI
curl -sSL https://d.juicefs.com/install | sh -
# Create a JuiceFS filesystem
juicefs format \
--storage s3 \
--bucket https://my-bucket.s3.amazonaws.com \
--access-key YOUR_ACCESS_KEY \
--secret-key YOUR_SECRET_KEY \
redis: //localhost: 6379/0 \
mydata
# Mount it locally
juicefs mount mydata /mnt/juicefs
就是这样。
/mnt/juicefs 现在的行为就像一个普通的 Linux 文件系统。
运行 ls、cp、python train。
py`，或任何标准工具——都能无缝运行。
高级用法：分层存储 #
JuiceFS 强大的功能之一是分层存储。
冷数据会自动移动到更便宜的存储层：
a
s
h
# Mount with tiered storage (S3 as cache backend)
juicefs mount \
--cache-size 10000 \
--cache-dir /mnt/cache \
--cache-compress \
mydata \
/mnt/juicefs
当本地缓存填满时，最久未使用的文件将被清除。
在下次访问时，它们会被透明地从 S3 获取。
这为您提供了热数据的 SSD 速度以及冷数据的 S3 容量。
缓存配置选项 #
为您的特定工作负载微调缓存行为：
a
s
h
# 50GB memory cache + 100GB disk cache with compression
juicefs mount \
--read-only-false \
--cache-size 50000 \
--cache-dir /mnt/cache \
--cache-partial \
--cache-compress \
--cache-full-gc-miss \
mydata \
/mnt/juicefs
# Verify cache stats
juicefs status mydata
# Cache usage: 45.2GB / 150.0GB (30%)
# Cache hit rate: 94.7%
# Cache miss: 2.1K ops
多挂载与读写协作 #
多个 JuiceFS 客户端可以同时挂载同一个文件系统以进行协作工作：
a
s
h
# Worker 1: Mount and start training
juicefs mount mydata /mnt/juicefs &
python train.py --data /mnt/juicefs/dataset --workers 8
# Worker 2: Mount the same filesystem (no sync needed)
juicefs mount mydata /mnt/juicefs &
python evaluate.py --data /mnt/juicefs/dataset
# Worker 3: Upload new data while training runs
rsync -av ./new_data/ /mnt/juicefs/dataset/
# Training workers see new data immediately
S3 生命周期集成 #
将 JuiceFS 与 S3 生命周期策略结合，实现自动成本优化：
a
s
h
# Set S3 lifecycle rule via AWS CLI
aws s3api put-bucket-lifecycle-configuration \
--bucket my-bucket \
--lifecycle-configuration '{
"Rules": [
{
"ID": "tieredStorage",
"Status": "Enabled",
"Filter": {"Prefix": ""},
"Transitions": [
{"Days": 90, "StorageClass": "GLACIER"},
{"Days": 365, "StorageClass": "DEEP_ARCHIVE"}
]
}
]
}'
# JuiceFS automatically handles tier transitions
# Accessing a cold file triggers fetch from Glacier
性能基准 #
JuiceFS 在不同工作负载类型下都能提供令人印象深刻的性能：
| 工作负载类型 | JuiceFS | 本地 SSD | 云存储（原始） |
|
💬 留言讨论