rclone与Backblaze B2存储的目录标记问题解析
2025-05-01 15:20:43作者:董灵辛Dennis
背景介绍
在使用rclone将Backblaze B2云存储挂载为Proxmox Backup Server(PBS)的数据存储时,用户遇到了一个特殊的技术问题。PBS在创建数据存储时会在.chunk目录下生成大量空文件夹,但这些空目录无法在B2存储中正确创建。
问题本质
这个问题的根源在于B2存储作为S3兼容存储的一个限制:标准的S3协议不支持存储真正的空目录。当PBS尝试创建大量空目录结构时,这些操作无法在B2存储中正确反映。
技术细节分析
-
B2存储的特性:
- Backblaze B2原生API不支持以斜杠结尾的文件名(即目录标记)
- 这与标准S3协议的行为有所不同
- 即使通过S3兼容API访问B2存储,目录标记的支持情况也可能存在差异
-
PBS的工作机制:
- PBS依赖文件系统特性来管理备份数据
- 在
.chunk目录下创建复杂的目录结构是其内部工作机制的一部分 - PBS需要同时访问文件的修改时间和访问时间,而B2存储可能无法完全满足这一需求
解决方案探讨
虽然用户最初希望rclone能添加类似--b2-directory-markers的参数来解决此问题,但经过技术讨论发现:
-
B2协议限制:
- B2原生API明确禁止文件名以斜杠结尾
- 这使得实现真正的目录标记在技术层面上存在障碍
-
替代方案:
- 使用Azure Blob存储的
--azureblob-directory-markers参数可以解决类似问题 - 考虑使用其他支持完整目录标记的存储后端
- 通过S3兼容API访问B2存储可能提供部分解决方案
- 使用Azure Blob存储的
性能考量
值得注意的是,将PBS数据存储放在远程云存储上会带来严重的性能问题:
- PBS设计初衷是使用本地SSD存储
- 即使是本地网络存储(NFS/SMB)也会导致性能显著下降
- 使用云存储可能导致备份操作耗时从小时级延长到天甚至月级
结论建议
对于需要在云存储上使用PBS的用户,建议:
- 优先考虑支持完整目录标记的存储后端
- 评估性能需求,云存储可能不适合作为主要备份存储
- 如果必须使用B2存储,可尝试通过S3兼容API访问
- 考虑使用性能更好的混合存储方案,将热数据保留在本地
这一案例展示了在将本地应用迁移到云存储时可能遇到的协议兼容性问题,需要综合考虑功能需求和性能表现的平衡。
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
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
🔥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
暂无简介
Dart
671
155
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++
660
308
Ascend Extension for PyTorch
Python
220
236
仓颉编译器源码及 cjdb 调试工具。
C++
134
867
喝着茶写代码!最易用的自托管一站式代码托管平台,包含Git托管,代码审查,团队协作,软件包和CI/CD。
Go
23
0
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
392
3.83 K
React Native鸿蒙化仓库
JavaScript
259
322