AI存储一直是算力竞赛之外的另一个瓶颈——数据加载速度跟不上GPU的胃口，再强的模型训练效率也要打折扣。最近DeepSeek开源的分布式文件系统3FS（Fire-Flyer File System）给出了一组令人振奋的数字：6.6 TiB/s的吞吐量、30分钟排序110.5 TiB的数据，这些性能指标足以让整个行业多看一眼。今天我们就来拆解这套系统到底凭什么这么强，以及它在AI全生命周期中能带来哪些实实在在的改变。

“今天，deepseek-ai开源了分布式文件系统3FS（Fire-Flyer File System）强势登场，号称要用6.6 TiB/s的吞吐量和30分钟排序110.5 TiB的惊人性能，彻底解决AI存储瓶颈。”

3FS官方仓库地址：

https://github.com/deepseek-ai/3fs

3FS的核心秘密——技术解构

3FS最大的杀手锏在于它的分离式架构以及对现代硬件的极致利用。它把数千块SSD的吞吐能力与RDMA网络的高带宽拧在一起，构建出一个没有位置限制的共享存储层。简单说，无论你的数据躺在哪个节点上，访问速度都跟本地盘一样快，完全打破了传统分布式存储的本地性束缚。

• 强一致性：通过CRAQ（Chain Replication with Apportioned Queries）实现，在分布式环境下也能保证数据不乱序、不丢失。
• 无状态元数据：基于FoundationDB的事务型键值存储，开发者无需学习新API，接入成本几乎为零——原有代码稍加修改就能跑起来。
• 多场景适配：从数据准备、训练样本随机访问，到高吞吐量检查点（Checkpoint）以及推理KVCache，3FS几乎覆盖了AI训练推理的全流程。

这种设计让3FS不仅仅是一个文件系统，更像是一个为AI量身定制的“数据翻跟斗”。

3FS硬核性能

接下来看看3FS的硬核数据——怎么说，确实有点惊人：

• 峰值吞吐量：180个存储节点加上500多个客户端，聚合读吞吐量高达6.6 TiB/s，而且即便有背景流量也不掉速。
• GraySort测试：25个存储节点加上50个计算节点，30分钟14秒排完了110.5 TiB的数据，平均每分钟处理3.66 TiB，这个成绩在分布式排序领域堪称“速度之王”。
• KVCache推理：峰值读吞吐量达到40 GiB/s，相比传统DRAM缓存方案，成本更低、容量更大，用在推理场景中简直是降维打击。

这些数字背后，是3FS对AI工作负载的深刻理解——它不仅反赌，而且能稳定应对高并发和复杂任务，这才是关键。

3FS的野心与潜力

说完了性能，再聊聊3FS的野心。很明显，它不只想做一个“反赌”的文件系统。通过统一的共享存储层，它要简化分布式AI应用的开发流程。想象一下：无需费劲预取数据、无需手动洗牌样本、检查点秒级完成、推理缓存成本直接腰斩——对AI工程师来说，这几乎是“梦中情盘”。

更关键的是，3FS是开源的，开发者可以按需定制、自由改造。它很可能成为AI基础设施中的一块重要拼图，甚至撼动现有分布式文件系统的格局。