共计 1973 个字符，预计需要花费 5 分钟才能阅读完成。
小伙伴们大家好，JuiceFS v0.17 在国庆小长假降临之际如期公布了！这是咱们在 2021 年秋季推出的第二个版本，让咱们直奔主题，看看都有哪些新变动吧。
本次更新累计 80+ 提交，共有 9 位来自 JuiceFS 社区的小伙伴在 GitHub 上奉献代码。在这里，咱们向每一位贡献者示意最诚挚的感激，同时欢送屏幕前的你也退出到 JuiceFS 开源社区，奉献代码、文档或探讨想法。
通过 LTP 1270 项测试，Linux 零碎下兼容性更完满
JuiceFS 的最新版本针对 Linux 零碎环境做了进一步的优化，改良了 rename 和 setxattr 读其余参数的反对，顺利通过了 LTP 的 1270 项测试。
LTP（Linux Test Project）是一个由 IBM，Cisco 等多家公司联合开发保护的我的项目，旨在为开源社区提供一个验证 Linux 可靠性和稳定性的测试集。LTP 中蕴含了各种工具来测验 Linux 内核和相干个性。
测试后果：
Testcase Result Exit Value
-------- ------ ----------
fcntl17 FAIL 7
fcntl17_64 FAIL 7
getxattr05 CONF 32
ioctl_loop05 FAIL 4
ioctl_ns07 FAIL 1
lseek11 CONF 32
open14 CONF 32
openat03 CONF 32
setxattr03 FAIL 6
-----------------------------------------------
Total Tests: 1270
Total Skipped Tests: 4
Total Failures: 5
Kernel Version: 5.4.0-1029-aws
Machine Architecture: x86_64其中，跳过和失败的我的项目次要是因为几个尚未反对的性能，详情见此文档。
优化存储长期数据的性能
针对 Spark 的 shuffle 文件等长期数据存储需要，社区贡献者 祝威廉（@allwefantasy）给 JuiceFS 奉献了数据提早上传性能，它能够让 JuiceFS 优先将数据写入到本地缓存盘中，如果这些数据在短时间内又被删除，则无需写入对象存储，能够提供靠近本地盘的读写性能。而当写入数据很多时，又会主动写到对象存储来开释本地盘空间，再也不必放心 shuffle 数据把磁盘写满了。
这个新性能让 JuiceFS 能够作为一个弹性本地盘应用，为长期数据提供有限存储空间和低延时拜访。
为了进一步晋升性能，还新增了一个运行在客户端内存中的元数据引擎（MemKV）。与其余元数据引擎一样，MemKV 的作用也是用来保留数据相干的元信息，但它不长久化，客户端 umount 当前，MemKV 的元数据就开释了。MemKV 齐全在内存中运行，有着相对的性能劣势，非常适合用作临时文件的存储场景。
TiKV 元数据引擎在 Hadoop 场景中性能晋升 5 倍
JuiceFS Java 客户端须要频繁做门路解析，Redis 引擎通过 Lua 实现了服务器端的多级门路解析，而 SQL 和 TiKV 引擎依然须要屡次元数据申请能力解析一个门路，尤其是当门路比拟深时对影响有比拟大的影响。
为了解决这个问题，本次更新在 JuiceFS Hadoop SDK 客户端中引入了相似于 Linux 内核的元数据缓存机制，能够别离通过参数管制目录、文件和属性的过期工夫。能够通过如下的形式启用：
<property>
<name>juicefs.attr-cache</name>
<value>3</value>
</property>
<property>
<name>juicefs.entry-cache</name>
<value>3</value>
</property>
<property>
<name>juicefs.dir-entry-cache</name>
<value>3</value>
</property>以下是对 9 层目录的元数据性能测试，能够看到启用元数据缓存够大幅晋升元数据操作的性能。（数值代表操作的时延，越小越好。）
但须要留神的是，开启元数据缓存后会影响多客户端之间的一致性（无限工夫窗口的最终一致性），比方一个客户端删除了某个文件后，其余节点可能因为缓存未到期，依然认为文件存在。因而，个别倡议在查问场景下应用该性能。如果是混合读写的场景，倡议适当开启目录和属性的缓存，而敞开文件项的缓存。
1 分钟上手性能测试，后果高深莫测
咱们为 JuiceFS 内置的性能测试工具 bench 的后果做了进一步的优化，在简洁直观的根底上，进一步的让要害数据高亮显示，如果某项性能数据偏离失常区间，会显示为黄色甚至红色，倡议特地关注下。
无关 JuiceFS 新版的更多内容，欢送拜访 GitHub 我的项目主页理解详情：
举荐浏览：
如何借助 JuiceFS 为 AI 模型训练提速 7 倍
如何利用 JuiceFS 的性能工具做剖析和调优
