云原生计算基金会（CNCF）近日正式对外宣布，Dragonfly 成功晋升为毕业项目。Dragonfly 是一款专为 Kubernetes 环境打造的开源镜像与文件分发系统，其核心目标在于解决大规模容器镜像及其他各类数据分发过程中面临的性能瓶颈与扩展性挑战。 CNCF 首席技术官 Chris Aniszczyk 对此评价道：“Dragonfly 的毕业，标志着它在技术成熟度、产业落地广度，以及支撑现代云原生基础设施演进中的关键地位，已经赢得了广泛认可。尤其值得关注的是，该项目在容器镜像加速分发和 AI 场景下的海量数据传输方面，表现十分亮眼。能够持续支持这样一个致力于构建可扩展、高性能且开放协作生态的项目，我们深感荣幸。”

核心技术特性

Dragonfly 底层采用点对点（P2P）网络架构，从而实现了高效率、高稳定性与强安全性的数据分发。在云原生生态中，它已成为镜像、容器制品、OCI 标准资源、AI 模型参数、缓存数据、日志文件以及依赖包等多种类型内容分发的事实标准方案。 该系统原生适配 Kubernetes，支持通过 Helm 快速部署，官方 Chart 已上线 Artifact Hub。在可观测性方面，它深度集成了 Prometheus 和 OpenTelemetry；组件间通信采用 gRPC 协议，确保了低延迟与高吞吐。借助预热机制，它还能显著提升 Harbor 对镜像及 OCI 制品的分发效能。在生成式 AI 快速发展的背景下，Dragonfly 同样支持基于 ModelPack 规范定义的 AI 模型制品高效分发。 在容器镜像分发这一主战场，Dragonfly 已在多个生产环境中稳定运行，每天支撑着数千万次容器加速启动，回源带宽节省最高可达 90%，容器冷启动耗时也从分钟级压缩到了秒级。这些能力已在主流云原生平台中实现了规模化落地。 与此同时，Dragonfly 正积极向 AI 领域拓展——不仅优化了 AI 模型权重的分发路径，还对 AI 计算任务的镜像结构进行了专项调优。实测数据显示，它能在几分钟内将百 TB 级别的大模型参数同步到上百台训练节点上，大幅缩短数据加载周期。随着 AI 工程化程度不断提升，Dragonfly 已成为加速 AI 工作负载交付的关键基础设施之一。

关键发展节点

回顾该项目的发展历程：Dragonfly 最早由阿里巴巴集团于 2017 年 11 月对外开源，2018 年 10 月以 Sandbox 项目身份加入 CNCF。2019 年 11 月，Dragonfly 1.0 版本达到生产就绪状态；其子项目 Nydus 也在 2020 年 1 月正式开源。2020 年 4 月，Dragonfly 进入 Incubation 阶段，随后在 2021 年发布了 Dragonfly 2.0，功能和架构全面升级。 社区建设方面也一路走高，吸引了来自蚂蚁集团、阿里云、字节跳动、快手、英特尔、Datadog、智谱 AI 等众多头部企业的数百名活跃贡献者。 自加入 CNCF 以来，项目生态的增长势头相当迅猛：贡献者数量增长了 500% 以上，从最初来自 5 家公司的 45 人，扩展到覆盖 130 多家组织的 271 名核心维护者；代码提交量增幅超过 3,000%，从约 800 次增加到累计 26,000 次；整体参与人数达到 1,890 人。

后续演进方向

展望下一步，Dragonfly 计划引入 RDMA 网络加速能力，以进一步提升 AI 模型权重分发的吞吐量并降低端到端延迟；同时持续优化镜像组织方式，减少 AI 训练与推理场景下的数据加载开销。此外，还将新增基于负载感知的两级调度策略，由调度器与客户端协同决策，全面提升分发系统的智能性与响应效率。在服务韧性方面，自动版本升级、异常故障自愈机制，以及在流量高峰期间确保各模块稳定运行、精准控制回源请求压力，都是未来重点发力的方向。

毕业评审过程

为了顺利通过孵化阶段评审，Dragonfly 团队系统性地完善了维护者选举机制，明确了核心维护者生命周期管理规范，细化了社区贡献流程，建立了清晰的社区成长路径，并为各子项目配套制定了专属的社区治理指南。 本次毕业评估获得了 CNCF 技术监督委员会（TOC）赞助人 Karena Angell 和 Kevin Wang 的全程指导与支持，双方联合开展了全面的技术尽职调查。 此外，项目还完成了独立第三方安全审计工作。Dragonfly 团队不仅自主完成了安全基线评估，还与 CNCF TAG Security 合作开展了联合安全审查，并协同 Dragonfly 安全团队共同构建了威胁建模框架，持续迭代和完善整体安全防护策略。