rclone与Backblaze B2存储的目录标记问题解析
2025-05-01 11:43:19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
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能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
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00
最新内容推荐
操作系统概念第六版PDF资源全面指南:适用场景与使用教程 RadiAnt DICOM Viewer 2021.2:专业医学影像阅片软件的全面指南 PhysioNet医学研究数据库:临床数据分析与生物信号处理的权威资源指南 STDF-View解析查看软件:半导体测试数据分析的终极工具指南 Python Django图书借阅管理系统:高效智能的图书馆管理解决方案 海能达HP680CPS-V2.0.01.004chs写频软件:专业对讲机配置管理利器 MQTT 3.1.1协议中文版文档:物联网开发者的必备技术指南 TJSONObject完整解析教程:Delphi开发者必备的JSON处理指南 Python开发者的macOS终极指南:VSCode安装配置全攻略 Windows Server 2016 .NET Framework 3.5 SXS文件下载与安装完整指南
项目优选
收起
deepin linux kernel
C
24
7
Ascend Extension for PyTorch
Python
173
193
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++
647
263
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
269
93
暂无简介
Dart
622
140
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
377
3.32 K
React Native鸿蒙化仓库
JavaScript
242
315
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.1 K
620
仓颉编译器源码及 cjdb 调试工具。
C++
126
856
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