3FS – DeepSeek推出的高性能分布式文件系統

3FS（Fire-Flyer File System）是DeepSeek推出的一款高效分布式文件系統，專門為人工智能的訓練和推理任務而設計。它利用現代SSD和RDMA網絡技術，通過分離式架構整合數千個SSD的吞吐量和數百個存儲節點的網絡帶寬，能夠實現高達6.6 TiB/s的讀取吞吐量。此外，3FS確保強一致性并提供通用文件接口，用戶無需學習新的存儲API。

3FS是什么

3FS（Fire-Flyer File System）是由DeepSeek開發的高性能分布式文件系統，專門針對人工智能的訓練和推理任務進行優化。利用現代SSD和RDMA網絡技術，3FS通過分離式架構聚合數千個SSD的高吞吐量以及數百個存儲節點的網絡帶寬，提供高達6.6 TiB/s的讀取速率。3FS不僅提供強一致性保障，還支持通用文件接口，用戶無需學習新的存儲API。其在大規模數據處理和推理優化方面表現卓越，在GraySort測試中實現了3.66 TiB/min的吞吐量，而KVCache的讀取吞吐量可達40 GiB/s。

3FS的主要功能

• 卓越的數據訪問性能：聚合數千個SSD的吞吐量，結合數百個存儲節點的網絡帶寬，提供高達6.6 TiB/s的讀取速率。支持大規模集群中的高吞吐量并行讀寫，極大優化AI訓練和推理任務中的數據加載效率。
• 強一致性保障：通過鏈式復制與分配查詢（CRAQ）技術確保數據的一致性，簡化應用開發過程。
• 通用文件接口：提供無狀態的元數據服務，支持事務性鍵值存儲（如FoundationDB），用戶無需學習新的存儲API。
• 優化AI工作負載：
  • 高效的數據準備：有效管理大量中間輸出，支持層次化目錄結構。
  • 快速數據加載：支持跨計算節點的隨機訪問，無需預取或數據集的洗牌。
  • 檢查點支持：為大規模訓練提供高吞吐量并行檢查點功能。
  • KVCache技術：為推理任務提供高吞吐量、大容量的緩存方案，優化推理效率。
• 高擴展性與靈活性：支持大規模集群部署，適用于從單節點到數千節點的多種應用場景。

3FS的技術原理

• 分離式架構：采用計算與存儲分離的設計方式，集中管理存儲資源，通過高速網絡（如RDMA）實現高效的數據傳輸，簡化資源管理。
• 鏈式復制與分配查詢（CRAQ）：通過CRAQ技術實現強一致性，利用鏈式復制確保多個副本間的數據一致性，并通過分配查詢優化讀取性能，降低延遲。
• 無狀態元數據服務：3FS的無狀態元數據服務基于事務性鍵值存儲（如FoundationDB），提高系統可擴展性，降低元數據管理復雜度。
• Direct I/O與RDMA優化：采用Direct I/O直接訪問SSD，避免使用文件緩存，減少CPU和內存開銷，并利用RDMA技術提升數據傳輸效率。
• KVCache技術：在推理任務中，KVCache緩存關鍵中間結果，避免重復計算，顯著提高推理效率。KVCache結合高吞吐量和大容量的優勢，是DRAM緩存的經濟替代方案。
• 數據局部性優化：通過優化數據布局和訪問模式，降低數據傳輸延遲和帶寬消耗，尤其在大規模分布式訓練和推理任務中表現優異。

3FS的性能表現

• 大規模讀取吞吐量：在一個由180個存儲節點組成的集群中，每個存儲節點配備2×200Gbps InfiniBand網卡和16個14TiB NVMe SSD。約500+個客戶端節點用于讀取壓力測試，每個客戶端節點配置1×200Gbps InfiniBand網卡。在訓練作業的背景流量下，最終聚合讀取吞吐量達到約6.6 TiB/s。
• GraySort性能測試：在GraySort基準測試中，3FS表現出色。GraySort是一項用于衡量分布式系統數據處理能力的大規模數據排序測試。測試集群包含25個存儲節點（每個節點2個NUMA域，每個域1個存儲服務，2×400Gbps NIC）和50個計算節點（每個節點192個物理核心，2.2 TiB內存，1×200Gbps NIC）。3FS成功在該測試中完成110.5 TiB數據的排序任務，耗時僅為30分鐘14秒，平均吞吐量達到3.66 TiB/min。
• KVCache推理優化：KVCache是3FS為優化大型語言模型推理過程而設計的緩存技術，基于緩存解碼層中的關鍵向量和值向量，避免重復計算。在KVCache的性能測試中，讀取吞吐量峰值達到了40 GiB/s，顯著提升了推理效率。KVCache的垃圾回收（GC）操作表現出高IOPS性能，確保緩存的高效管理和更新。

3FS的項目地址

• GitHub倉庫：https://github.com/deepseek-ai/3FS

3FS的應用場景

• 大規模AI訓練：高效支持海量數據的快速讀寫，提升訓練效率。
• 分布式數據處理：優化數據加載和管理，支持隨機訪問，無需預取或數據集的洗牌。
• 推理優化：通過KVCache緩存中間結果，減少重復計算，提升推理效率。
• 檢查點支持：提供高吞吐量的并行檢查點功能，保障訓練任務的穩定性和可恢復性。
• 多節點計算環境：無縫集成到大規模集群，支持靈活擴展，滿足不同規模的AI應用需求。