Longhorn项目v2数据卷支持UBLK前端的技术解析
2025-06-02 11:49:25作者:鲍丁臣Ursa
背景介绍
Longhorn作为一款开源的云原生分布式块存储系统,在其v2数据引擎版本中引入了对UBLK(用户空间块设备)前端的支持。这一功能扩展了Longhorn在Linux环境下的设备访问能力,为用户提供了更多样化的存储访问选择。
UBLK技术概述
UBLK是Linux内核6.0及以上版本引入的一项新特性,它允许用户空间程序实现块设备驱动。与传统的内核空间块设备驱动相比,UBLK具有以下优势:
- 开发更安全:错误不会导致内核崩溃
- 性能更优:减少了内核空间和用户空间之间的上下文切换
- 灵活性更高:可以方便地实现各种高级功能
Longhorn中的实现细节
在Longhorn v2数据引擎中,UBLK作为第三种前端类型被引入,与原有的Block Device和NVMe-oF(NVMF)共同构成了v2数据引擎的前端选择矩阵。
前端类型选择逻辑
根据数据引擎版本的不同,系统会提供不同的前端选项:
-
v1数据引擎:
- Block Device(块设备)
- iSCSI(网络存储协议)
-
v2数据引擎:
- Block Device(块设备)
- NVMe-oF(NVMF,新一代存储协议)
- UBLK(用户空间块设备)
使用前提条件
要成功使用UBLK前端功能,需要满足以下条件:
- 运行Linux内核版本6.0或更高
- 已加载UBLK内核模块(通过
modprobe ublk_drv命令) - 使用Longhorn v2数据引擎创建卷
功能验证与测试
在实际测试中,验证了以下场景:
- 卷创建:成功创建带有UBLK前端的v2数据卷
- 多副本支持:验证了2副本和3副本配置下的正常工作
- 错误处理:当未加载UBLK模块时,系统会在后台记录错误信息
用户界面改进
Longhorn UI针对这一新功能进行了相应调整:
- 创建卷时根据数据引擎版本动态显示可用的前端选项
- 在卷详情页面正确显示UBLK前端类型
- 提供清晰的错误提示(当必要条件不满足时)
技术实现考量
在实现过程中,开发团队特别考虑了以下方面:
- 向后兼容性:确保不影响现有v1数据引擎的功能
- 错误处理:采用异步方式处理UBLK模块未加载的情况
- 用户体验:通过UI限制选项,防止用户选择不兼容的配置
总结
Longhorn v2数据引擎对UBLK前端的支持,标志着该项目在Linux存储技术前沿的又一次进步。这一功能不仅丰富了Longhorn的设备访问方式,也为用户提供了更高性能和更灵活的存储解决方案。随着Linux内核技术的不断发展,我们可以期待Longhorn在未来会集成更多先进的存储特性。
登录后查看全文
热门项目推荐
相关项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
项目优选
收起
deepin linux kernel
C
24
9
Ascend Extension for PyTorch
Python
223
246
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
暂无简介
Dart
672
157
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
662
313
React Native鸿蒙化仓库
JavaScript
262
323
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
64
19
仓颉编译器源码及 cjdb 调试工具。
C++
135
867
仓颉编程语言测试用例。
Cangjie
37
860
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
218