两年做到全球安装量超270万，RustFS还想把路修到哪里？

作者刘文轩RustFS 1.0.0正式来了。这个2023年启动、2024年写下第一行代码的开源项目在正式版发布前已经跑出一条很陡的增长曲线。官方数据显示RustFS经历6600多次代码提交、135多个版本吸引全球180多位开发者参与开源14个月GitHub Star超过3.2万全球安装量超过270万其中70%以上来自欧美Docker Hub镜像累计拉取超过1000万次并已经进入AI、能源、金融、云计算等生产场景。放在对象存储这个并不大众的赛道里这组数字很容易让人产生一个疑问一个成立时间并不长的项目为什么能在这么短时间里跑到全球答案多少与MinIO有关。长期以来AWS S3和MinIO都是对象存储领域绕不开的名字。随着MinIO调整商业化策略和开源生态一批开发者开始寻找新的选择RustFS恰好出现在这个时间窗口。但它最近做的事情已经逐渐超出“MinIO平替”的范围。S3 Tables被做进对象存储内核并直接开源后面还有S3 Vector、RDMA、DPU以及面向AI数据中心的一系列计划。沿着这些动作看下去RustFS创始人兼CEO Kevin真正关心的问题已经越来越清晰AI时代的数据应该怎么存、怎么流动一家开源基础软件公司又该靠什么长期生存。一开始就把路铺向全球2023年启动RustFS时团队最先看到的其实是国内市场的机会。当时越来越多企业开始重新审视自己的基础技术栈而MinIO已经用多年的发展证明对象存储拥有一个足够大的市场。对RustFS来说一个很自然的起点就是围绕这些正在发生变化的需求做一套更容易被这些企业部署和使用的对象存储产品。真正开始摸索商业化之后Kevin发现国内外的软件付费环境存在很大差异。欧美企业更习惯持续订阅国内不少IT采购仍围绕年度预算和项目制展开。同一套软件商业模式换一个市场很难原样照搬。与此同时MinIO本身也在调整。许可证变化以及Docker镜像、控制台等开源内容的变化让一些开发者开始寻找新的选择。RustFS由此重新规划了路线既然代码已经决定开源面对的也可以直接是全球开发者RustFS最初的官网甚至只有英文版本。代码发布到GitHub后不管用户在欧洲、北美还是亚洲都可以同时下载、部署和测试。Kevin把这种打法概括为“第一天全球化”。一年多之后这条路线已经反映在用户分布上。RustFS官方披露目前超过70%的安装来自欧美。开源当然能降低第一次尝试的门槛但真正决定一个基础软件能不能留下用户的还是几个很具体的问题装起来麻不麻烦长期运行稳不稳出了问题有没有人解决。这些问题也把RustFS带到了下一段更难走的路上。让企业信任的底气来自一次次暴力测试对于存储软件来说用户一旦开始把真实数据放进去衡量产品的标准就变了。一款普通软件崩溃重新启动往往还能继续工作存储系统如果发生严重故障代价可能是一批业务数据再也找不回来。RustFS早期为此搭建过接近300个节点的分布式测试环境并主动制造各种故障。团队会直接拔电源、拔网线、拔硬盘也会随机下掉一批机器再格式化设备、重新加入新节点。很多数据中心里让运维人员头疼的事故被他们提前反复演练。就像新桥通车前的压力测试一样晴天时车辆能够顺畅经过只说明基本功能正常真正决定这座桥能不能长期使用的是重载、故障和意外出现后结构还能不能撑住。到了企业客户环境里验证时间还会进一步拉长。Kevin提到有些同行的POC可能只跑一周RustFS愿意让客户跑三个月甚至半年。同时系统会持续监控硬盘、网络、并发和操作系统状态一旦接近资源阈值就提前提示扩容或调整。目前RustFS已经进入运营商、铁路以及海外金融科技、云服务等场景部分商业客户的数据规模已经达到PB甚至数十PB级。到了这个规模一次性能测试很难说明全部问题。客户更关心系统能不能连续运行故障出现之后能不能恢复问题发生时有没有人快速响应。Kevin因此把大企业存储生意理解为一种“信任生意”。代码和性能只是底层长期运行经验、服务响应以及最终有人愿意对结果负责同样是产品的一部分。GPU越来越快存储却开始站到AI的路中央今天谈AI基础设施人们很容易把注意力集中在GPU上。芯片算力提高多少、显存有多大、模型能跑多少Token都有非常直观的数字。Kevin关注的是另一段正在变得拥堵的路GPU越来越快以后数据能不能及时送过去模型训练以前原始数据要保存、清洗和标注进入训练阶段GPU需要不断读取数据模型训练完成以后权重和结果又要重新存下来。到了多模态阶段图片、视频、音频不断增加数据的体量和类型同时变得复杂。如果把GPU看作高速运转的加工厂对象存储更接近它背后的仓库和物流系统。工厂加工速度再快原料送不过来机器还是会等。RustFS这次重点投入S3 Tables就和这条变化有关。它把Apache Iceberg REST Catalog直接内置进对象存储内核Spark、DuckDB、PyIceberg等工具可以直接连接。用更通俗的话说相当于在原来的大仓库里同时增加货架、目录和管理系统让结构化数据与图片、视频、模型文件等数据能够放进同一套体系里管理。Agent的出现又提出了新的要求。过去人通过账号和文件夹访问数据未来可能是大量Agent自动读取企业内部的数据。某个Agent能够读取什么、能不能修改、哪些数据完全不能接触都需要更加细致的权限控制。因此Kevin很看重Catalog和Policy希望数据被存下来时就已经带着明确的目录和访问规则。再往底层走还有RDMA和DPU。前者可以理解成数据运输的高速通道后者负责分担网络、存储等数据搬运工作让CPU和GPU把更多资源留给计算。RustFS已经进行了相关技术储备不过没有急着全面铺开因为不同厂商的硬件和协议还比较分散。加入NVIDIA Inception后RustFS也开始更早接触英伟达的工程体系和开发者资源。Kevin尤其关注DOCA这类技术它正在尝试把GPU、DPU、网络和存储连接得更紧。现阶段通用对象存储依然是更大的现实市场。RustFS的选择更像提前把施工设备准备好等车流真正出现再决定高速公路修到哪里。如果AI以后连软件都能写RustFS还靠什么赚钱AI编程能力越来越强Kevin也在考虑一个更远的问题如果有一天AI能够直接理解一套软件的全部代码再根据一句话生成类似产品人们还会不会按照今天的方式为软件付费这个问题很难提前回答但有一些东西不会那么容易消失。其中之一是数据。假设用户已经把大量照片、视频或者企业资料保存在RustFS里未来可以直接授权AI处理这些内容。家庭用户可以让模型读取多年的照片整理孩子的成长记录企业也可以让AI读取特定数据完成分析。RustFS希望未来连接不同的模型和Token资源让数据留在原有存储体系里就能直接调用AI能力。另一块是备份。Kevin观察到海外企业对备份的重视程度很高因此RustFS计划建设云上云下一体化能力企业的数据可以继续保存在本地需要备份时经过加密再上传到云端平台拿不到密钥也无法直接读取用户的数据。开源软件负责覆盖更多用户云端的备份、存储和资源服务则可以形成持续收入。Kevin甚至考虑过把IPFS一类分布式存储资源用于低成本备份。经常访问的数据需要高速读取备份数据却可以接受几分钟的恢复时间只要数据足够安全并且有更高的性价比。沿用前面的道路比喻重要数据需要高速公路一些长期归档的数据完全可以走成本更低的路线。无论软件本身发生怎样的变化Kevin认为“信任”依然很难被AI完全替代。AI能够写代码、部署软件、自动扩容但当一家大型企业把几十PB数据交给一套系统时最终仍然会问一句出了问题谁负责这也解释了RustFS为什么承诺永久开源。Kevin希望开源版本继续降低存储的使用门槛公司则围绕云服务、备份、资源和企业服务寻找收入。商业化可以慢一些产品原来的路线不能因为短期收入发生变形。从2023年启动到2026年发布1.0.0RustFS走过的时间并不长。早期它抓住的是对象存储生态变化带来的窗口随后进入全球开源社区如今又开始把路线延伸到S3 Table、AI数据、云备份、RDMA、DPU以及Agent的数据基础设施。模型会变芯片会变软件形态也可能继续变化。但数据依然需要保存、调用、备份和恢复企业依然需要有人为这些数据负责。因此Kevin反复提到的“信任”在AI能力不断增强之后反而有了更具体的含义。它可以是一套存储系统连续运行几年没有丢过数据可以是在硬盘和网络接近极限之前提前发出预警也可以是在Agent自动完成部署之后仍然有人愿意在最终结果上签字。RustFS早期反复拔电源、拔硬盘、断网络做稳定性测试后来让大型客户跑三个月甚至半年的POC本质上都在积累这种很难被一次模型升级抹掉的东西。软件会变模型会变芯片也会变。存储与记忆、计算与数据之间的调度效率、Agent对数据的调用以及产品可靠性和用户信任却更像穿过技术周期之后依然存在的底层需求。如果后AI时代真的存在一张通行证它上面写的或许不会只是“更强的模型”或者“更多的算力”。数据能不能存住计算能不能及时拿到Agent能不能安全使用以及出了问题有没有人负责这些能力才更接近那张长期有效的凭证。而RustFS正在做的事情就是把这些能力一块一块拼起来。当这条路继续向前延伸时RustFS已经拿到了通往后AI时代的通行证。