GeminiFS 深入解读:让 GPU 绕过 CPU 直接读写 NVMe 的伴生文件系统

如果一个 GPU kernel 在处理第 1024 个样本时才知道自己要读 SSD 上的哪一块数据,那么让 CPU 负责逐个请求、逐个搬运,通常很难跟上 GPU 的并行度。 但把 CPU 拿掉也不是终点。GPU 如果只看到一块裸 NVMe 盘,就还要自己解决文件名、文件大小、逻辑偏移到物理块的映射、缓存共享、崩溃一致性和并发访问。这样做虽然快,却很快会变成“每个应用都重新实现一遍文件系统”。 FAST'25 的 GeminiFS 试图在这两个极端之间找一个实际可用的折中:让主机文件系统继续负责文件管理,让 GPU 获得一份足够完成读写的文件私有元数据,并让 GPU 直接向 NVMe 提交请求。 读完论文后,我觉得 GeminiFS 最值得记住的不是某个单独的 NVMe 技巧,而是它的设计取舍:它没有把 Linux 文件系统完整搬进 GPU,而是利用机器学习工作负载“可预测、预分配、长期数据大多只读或追加写”的特点,把动态语义从热路径中拿掉。 GPU 直接访问存储,难点不只在数据搬运 先把几个经常混在一起的概念分开。 数据面和控制面 传统的 GPU 存储路径大致是: GPU kernel 发现数据需求 │ ▼ CPU / 主机文件系统组织请求 │ ▼ NVMe 读取到主机内存或中转缓冲区 │ ▼ 数据再进入 GPU 显存 这条路径的问题不只是多了一次拷贝。GPU 可能同时有成百上千个线程需要发起细粒度请求,而 CPU 的线程数、调度和同步能力都有限。CPU 既要解析请求,又要组织文件系统和 NVMe 操作,最后还要负责把结果交给 GPU。 ...

2026年11月19日 · 7 分钟 · Hellokitty

Linux FUSE 原理与 I/O 链路:控制面、数据面、复制次数及优化

从 VFS、fuse.ko、/dev/fuse 和用户态守护进程出发,逐跳分析 FUSE 控制面与数据面链路,并解释 read/write 路径中的复制次数及 page cache、splice、DAX、passthrough 等优化。

2026年9月5日 · 6 分钟 · Hellokitty