DwarFS 0.12.0 版本发布:更小的二进制与更宽松的许可证
2025-06-20 08:52:02作者:温玫谨Lighthearted
DwarFS 是一个高性能的只读压缩文件系统,专为需要高效存储和快速访问大量数据的场景设计。它通过先进的压缩算法和智能的块管理机制,能够在保持高性能的同时显著减少存储空间占用。最新发布的 0.12.0 版本带来了两项重大改进:许可证变更和二进制体积优化。
许可证变更:从 GPL 到 MIT
在 0.12.0 版本中,DwarFS 对其许可证策略进行了重大调整。原先所有组件都采用 GPL-3.0 许可证,现在则改为更宽松的双许可证模式:
- 所有仅用于读取 DwarFS 镜像的库和工具(如 dwarfs、dwarfsextract 等)现在采用 MIT 许可证
- 用于创建或修改镜像的工具(如 mkdwarfs)仍保持 GPL-3.0 许可证
这一变化使得开发者可以更自由地将 DwarFS 集成到各种项目中,特别是那些对许可证有严格要求的商业应用。MIT 许可证允许自由使用、修改和分发代码,且不要求衍生作品开源。
显著的二进制体积优化
新版本通过多项技术手段大幅减小了二进制文件的体积:
- 构建环境迁移:将构建管道迁移到 Alpine Linux,利用其轻量级特性
- 代码重构:移除无条件引入大型依赖(如 libcrypto)的代码
- 构建优化:为依赖项仅启用必要功能,并启用链接时优化(LTO)
具体优化效果对比如下:
| 文件类型 | 0.11.3 大小 | 0.12.0 大小 | 缩减比例 |
|---|---|---|---|
| Linux x86_64 通用二进制 | ~5.3MB | ~2.8MB | ~47% |
| Linux aarch64 通用二进制 | ~4.6MB | ~2.7MB | ~41% |
新增 dwarfs-fuse-extract 工具
0.12.0 版本引入了一个特殊的精简版工具 dwarfs-fuse-extract,它将 FUSE 驱动和提取功能合并到一个极小的二进制中(约 1.2MB)。这个工具特别适合:
- 单文件应用运行时(如 uruntime)
- 嵌入式或资源受限环境
- 需要最小化部署的场景
与完整版相比,它省略了以下功能:
- 内置手册页
- 性能监控支持
- 仅支持 zstd 和 lzma 压缩算法
其他功能改进
- 热文件分类:新增
hotness分类器,可将指定的"热"文件存储在独立的文件系统块中 - 显式排序:新增
explicit排序模式,支持按指定列表顺序排列文件 - 预加载优化:新增
preload_all和preload_category选项,支持挂载后立即填充块缓存 - 内存管理:新增
block_allocator选项,支持在 malloc 和 mmap 之间选择块分配器 - 兼容性改进:适配 Boost.Process v2 和更新版 libfuse
技术影响与应用场景
DwarFS 的这些改进使其在以下场景更具优势:
- 容器化应用:更小的二进制体积减少了容器镜像大小
- 边缘计算:精简版工具适合资源受限设备
- 商业软件:MIT 许可证降低了集成门槛
- 高性能存储:热文件分类和预加载优化提升了访问速度
对于开发者而言,新版本意味着更灵活的集成选项和更高效的部署方式。特别是对于那些需要将只读文件系统功能嵌入到应用中的场景,MIT 许可的精简版工具提供了理想的解决方案。
DwarFS 持续在压缩效率、访问性能和部署便利性之间寻找最佳平衡,0.12.0 版本标志着该项目在成熟度和实用性上又迈出了重要一步。
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
最新内容推荐
电脑PC网易云音乐免安装皮肤插件使用指南:个性化音乐播放体验 开源电子设计自动化利器:KiCad EDA全方位使用指南 Jetson TX2开发板官方资源完全指南:从入门到精通 昆仑通态MCGS与台达VFD-M变频器通讯程序详解:工业自动化控制完美解决方案 基恩士LJ-X8000A开发版SDK样本程序全面指南 - 工业激光轮廓仪开发利器 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 QT连接阿里云MySQL数据库完整指南:从环境配置到问题解决 Python案例资源下载 - 从入门到精通的完整项目代码合集 2022美赛A题优秀论文深度解析:自行车功率分配建模的成功方法 TJSONObject完整解析教程:Delphi开发者必备的JSON处理指南
项目优选
收起
deepin linux kernel
C
24
9
Ascend Extension for PyTorch
Python
223
246
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++
663
313
React Native鸿蒙化仓库
JavaScript
262
324
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
🎉 (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
1.2 K
655
🔥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
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
218
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
330
137