又到了给大家汇报全年社区工作的时候。2025 年， JuiceFS 企业版发布的第九年，社区版的第五年。这一年，我们专注一如既往，打造一款高效易用的文件系统。

各项使用指标延续了上一年的增长势头，社区版数据量增长 89%，超 1.3 EB；营收连续第三年 100% 增长，是我们持续投入社区的坚实保障。

2025 年，JuiceFS 社区版继续聚焦通用性，尤其在支持各类 AI 场景的需求。发布了 Python SDK、增强 Windows 客户端可用性，并加强了对云原生生态的支持；此外，元数据引擎 SQL 和 TiKV 也进行了针对性优化。今年，团队与社区成员一道推动了 JuiceFS 的持续迭代，共有 60 位贡献者参与，新增了 305 个 Issue，合并了 601 个 PR。

在企业版的开发过程中，团队今年面临的最大挑战来自于超大规模数据的管理 。随着自动驾驶等 AI 技术逐渐融入日常生活，数据规模的增长是空前的，在千亿文件级别下，元数据管理、数据一致性等方面的管理复杂度指数级增加。为应对这些难题，企业版在元数据分区、网络性能等核心特性上进行了全面升级。上半年发布的企业版 5.2 已支持单卷千亿规模，即将发布的 5.3 版本更将支持 5,000 亿规模，让用户不必再为数据规模发愁，JuiceFS 的性能和稳定性也都能够稳妥保障。

01 社区版：支持 Python SDK、 Windows 客户端可用性大幅提升

JuiceFS 自开源以来已在企业生产环境中得到了长时间的验证，核心功能逐步趋于稳定。全年发布了 9 个版本，其中 1.3 版本是继 2021 年开源以来的第四个重要版本，并作为长期支持版本（LTS）。该版本的主要优化包括：

• 支持 Python SDK ，提升了 AI 和数据科学场景下的灵活性和性能；
• Windows 客户端的优化，增强了工具支持和系统服务挂载能力；
• 备份机制优化，1 亿文件备份分钟级完成；
• 集成 Apache Ranger，JuiceFS 支持大数据场景中的细粒度的权限管理；
• 元数据引擎方面，SQL 和 TiKV 的性能提升，在超大规模场景下表现更加高效。

下半年，团队开始积极筹备 1.4 ，计划新增多个特性，包括用户和用户组 Quota 支持、Redis 客户端缓存支持、LRU 缓存支持、SMB/CIFS 支持、Hadoop Kerberos 支持、S3 Gateway 优化、Sync 工具断点续传，数据商业算法加密支持，预读策略优化、批量删除优化和周边工具优化等 ，以进一步提升系统的性能和稳定性。

JuiceFS CSI Driver 在过去一年发布了 18 个版本，持续优化 JuiceFS 在 Kubernetes 等环境中的存储效率和稳定性。新增功能包括卷路径健康状态检测、同一文件系统共享 Mount Pod 功能、支持 Kubernetes 原生 Sidecar，以及 Dashboard 的 CacheGroup 管理。此外，还进行了性能和可靠性优化，不仅提升了稳定性，同时改进了多 Pod 配置和容器化应用的兼容性。

JuiceFS Operator，新增了定时缓存预热 功能，提升业务访问数据的性能；支持按副本部署的 CacheGroup，实现了缓存高可用性；并引入 Sync 功能，在 Kubernetes 环境中高效同步数据，确保一致性。

02 企业版：单卷千亿规模文件，强劲性能与稳定性保障

2025 年上半年，JuiceFS 企业版 5.2 版本发布，单个文件系统突破千亿文件的规模，并显著提升了超大规模集群的稳定性和分布式缓存的网络性能。为了实现这一目标，团队投入了大量时间和精力进行优化，特别是在处理超大数据集和高并发访问时的性能提升。该版本已在多个企业的生产环境中得到验证，单卷千亿文件规模下保持 1 毫秒元数据时延水平 。同时，分布式缓存网络性能优化，TCP 网络下大幅减少 CPU 开销，同时提升网络带宽利用率。在 100 台 GCP 100Gbps 节点的环境下，聚合读带宽达到 1.2 TB/s，接近满负荷利用 TCP/IP 网络带宽。

此外， Python SDK 实现了 fsspec 兼容、按需导入对象存储文件，可以更方便的访问对象存储存量数据、解决特殊场景中的读放大问题以及提升全局 QoS 能力，进一步增强了系统的灵活性和性能。

多分区架构是 JuiceFS 应对千亿文件规模的关键技术之一，保证了系统的高扩展性和高并发处理能力。下半年我们的核心工作集中在 5.3 版本，对多分区架构进行了全面优化，分区限制从 256 个提升至 1,024 个，可实现单卷超过 5,000 亿文件的存储和访问需求。

这背后是一系列复杂的工作，包括系统化整理跨分区链接实现，并实现后台自检机制，提升集群的可靠性与稳定性；开发热点监测与自动迁移工具，高效处理热点问题；优化分布式缓存管理，减少缓存冲突并提高并发性能；此外，为了进一步优化分布式网络的性能，在这个版本中首次引入了 RDMA 技术，目前处于实验阶段，测试结果显示其在稳定性和 CPU 使用率方面优于 TCP 协议。5.3 版本将于 1 月发布，更多细节，欢迎关注。

03 社区发展，第 5 年高速成长，数据总量超 1.3EB

目前，JuiceFS GitHub star 超 12.6K；JuiceFS 下载量突破了 5 万次，CSI Driver 的下载量超过了 500 万次；中文社区已经有 10 个微信群组，Slack 英文社区也达千人。

社区版开源的第 5 年，也是快速增长的第 5 个年头。用户上报数据显示，JuiceFS 的各项关键数据延续了增长趋势：

• 文件系统 590K+，增长 82%
• 活跃客户端 150K+，增长 46%
• 文件数量 4000 亿+，增长 43%
• 数据总量 1.3EiB+，增长 89%

今年，我们在多个行业大会分享实践，KCD 、开源年会、CommunityOverCode Asia 等，感谢这些大会主办方对 JuiceFS 的认可；在海外行业会议也展露头脚，参与了 KubeCon+CloudNative Con North America、Opensource Summit Japan、SNIA Developer Conference 等。

为了更好地为用户提供支持，我们定期举办 Office Hours，介绍新功能、解答疑问；同时，举办了 11 场 Meetup，帮助不同行业的用户更有信心地将 JuiceFS 应用于生产环境。案例涵盖自动驾驶、生成式 AI、AI 基础平台、量化投资、生命医药等多个领域。（查看所有案例）

特别感谢以下今年参与分享的用户，他们的实践经验为社区提供了宝贵的参考：

1. 丁聪，Lepton AI，加速 AI 训推：构建多租户、低延迟云存储平台
2. 孙玮，中国科学院计算所，基于 JuiceFS 的大模型训推平台存储演进之路
3. 郑泽东，百图生科，基于 JuiceFS 构建生命科学大模型存储平台，成本降 90%
4. 吴松林，携程，稳定且高性价比的大模型存储：携程 10PB 级 JuiceFS 工程实践
5. 唐义凡，合合信息，基于 JuiceFS 构建统一存储，支撑 PB 级 AI 训练
6. 缪昌新，阶跃星辰，如何利用 JuiceFS 打造高效经济的大模型存储平台
7. 可加，稿定科技，多云架构下的 AI 存储挑战与 JuiceFS 实践
8. 邓君宇，九识智能，基于 JuiceFS 的自动驾驶多云亿级文件存储
9. 高玉堂， Ariste AI，JuiceFS + MinIO：量化投资高性能存储实践
10. 李威宇，光影焕像，基于 JuiceFS 搭建 3D AIGC 存储平台，数据性能 2 倍提升
11. 刘道全，始智 AI，基于 JuiceFS 打造高性能、低成本 AI 模型管理存储平台
12. 高杨，酷睿程，自动驾驶百 PB 级云原生存储案例
13. 曾奥涵，智谱 AI，大模型训练基础设施落地实践

亲爱的社区伙伴们，我们一起度过了充实的一年。JuiceFS 从一个开源新秀，成长为今天 AI 业务中备受信任的选择，衷心感谢每一位社区成员的参与与支持，感谢你们在群里解答问题、分享实践、贡献代码！

新的一年里，JuiceFS 将继续为你的工作带来更高效、更轻松的体验。