首页
/ Home Assistant Supervised安装路径的FHS合规性探讨

Home Assistant Supervised安装路径的FHS合规性探讨

2025-07-07 00:54:28作者:卓炯娓

背景介绍

在Linux系统中,文件系统层次结构标准(FHS)定义了各个目录的用途和规范。近期在Home Assistant Supervised安装项目中,关于数据存储路径的选择引发了技术讨论。该项目默认将运行时的可变数据存储在/usr/share/hassio/homeassistant目录下,这与FHS标准存在一定偏差。

FHS标准解析

根据文件系统层次结构标准(FHS):

  • /usr/share目录专门用于存储架构无关的静态共享数据
  • /usr整体被视为只读的用户数据二级层次结构
  • 可变数据应存储在/var目录下,如/var/lib用于状态数据,/var/log用于日志文件
  • /srv目录用于存放系统提供的服务特定数据

当前实现的问题

Home Assistant Supervised目前将SQLite数据库、日志文件等频繁修改的数据存储在/usr/share下,这带来了几个技术问题:

  1. 违反FHS关于/usr目录应为只读的原则
  2. 混合存储了静态资源和动态数据
  3. 在某些将/usr挂载为只读的系统上可能导致运行故障

技术解决方案探讨

项目维护团队经过深入讨论,提出了几种改进方案:

方案一:迁移至/var目录

  • 优点:完全符合FHS标准
  • 挑战:需要拆分当前混合存储的数据结构

方案二:使用/srv目录

  • 优点:作为服务特定数据的通用存储位置
  • 考虑:需评估数据安全性,避免意外暴露敏感信息

方案三:自定义顶级目录

  • 如直接使用/homeassistant
  • 优点:简化路径结构
  • 缺点:完全脱离FHS规范

维护团队的决策

经过权衡,项目维护团队达成以下共识:

  1. 将默认安装路径改为/srv/homeassistant

    • 因其作为服务数据的通用存储位置
    • 能保持数据的整体性而无需拆分
  2. 保持对现有安装的兼容性

    • 已安装的系统继续使用原路径
    • 通过配置文件记录安装位置

技术建议

对于系统管理员和高级用户:

  1. 新安装建议接受默认的/srv路径
  2. 现有系统可通过DATA_SHARE环境变量自定义路径
  3. 重要数据应定期备份,无论存储在哪个位置

总结

文件系统路径的选择反映了软件设计的规范性。Home Assistant项目团队对FHS标准的重视体现了其专业态度。虽然完全拆分各类数据到标准位置存在技术难度,但迁移到/srv目录是一个合理的折中方案,既提高了规范性,又保持了实用性。

登录后查看全文
热门项目推荐
相关项目推荐

项目优选

收起
kernelkernel
deepin linux kernel
C
23
6
docsdocs
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
225
2.26 K
flutter_flutterflutter_flutter
暂无简介
Dart
526
116
ohos_react_nativeohos_react_native
React Native鸿蒙化仓库
JavaScript
211
287
nop-entropynop-entropy
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
frameworksframeworks
openvela 操作系统专为 AIoT 领域量身定制。服务框架:主要包含蓝牙、电话、图形、多媒体、应用框架、安全、系统服务框架。
CMake
795
12
RuoYi-Vue3RuoYi-Vue3
🎉 (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
986
582
pytorchpytorch
Ascend Extension for PyTorch
Python
67
97
ops-mathops-math
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++
566
94
GLM-4.6GLM-4.6
GLM-4.6在GLM-4.5基础上全面升级:200K超长上下文窗口支持复杂任务,代码性能大幅提升,前端页面生成更优。推理能力增强且支持工具调用,智能体表现更出色,写作风格更贴合人类偏好。八项公开基准测试显示其全面超越GLM-4.5,比肩DeepSeek-V3.1-Terminus等国内外领先模型。【此简介由AI生成】
Jinja
42
0