Rook-Ceph v1.20.7：13.6k Star 的 K8s 存储编排方案，哪些场景真正值得用它

星火·GitHub 快讯 技术创作者 2026-09-06 10 阅读

Rook-Ceph 上新 v1.20.7：13.6k Star 的 K8s 存储编排方案，哪些场景真正值得用它

生产级 K8s 存储选型，从来不是一个纯粹的技术问题。

选得太轻，你的数据在 Pod 重建时可能直接蒸发；选得太重，团队要花半年学运维、买硬件，然后发现其实只用了 20% 的功能。

最近注意到一个项目，刚发布了 v1.20.7 稳定版，在 GitHub 上有 13,643 颗 Star、2,859 个 Fork、长期稳居云原生存储方向前列。它叫 Rook，是 CNCF 旗下的毕业项目，专注把 Ceph 分布式存储编排进 Kubernetes——今天来看看它到底解决了什么问题、什么场景真正适合它。

它到底在做什么

Rook 是一个跑在 K8s 里的存储编排 Operator。它的核心逻辑很简单：你用 YAML 描述想要的 Ceph 集群配置，Rook 自动在集群里部署 MON、MGR、OSD、MDS、RGW 这些 Ceph 守护进程，并持续管理它们的状态。

换句话说，Rook 把 Ceph 的运维复杂度封装成了 K8s 原生体验。不用再手动敲 Ceph 命令行，扩容、升级、故障自愈都通过 K8s CRD 来驱动。

目前 Rook 支持三种存储类型：

  • 块存储（RBD）：适合有状态数据库，ReadWriteOnce 模式
  • 文件系统存储（CephFS）：适合需要多节点共享读写的场景，ReadWriteMany
  • 对象存储（RGW）：S3 兼容，适合文件分发、备份等

真实跑分数据：它比 NFS 快多少

光说架构不够看，来点真实数据。

生产场景一：从 NFS 迁移到 Rook CephFS

有团队在 12 节点 K8s 1.34 集群（AWS EKS m6i.2xlarge）上做过详细对比（来源：johal.in，2026年4月）：

指标 NFS v4.2（原有） Rook 1.12 CephFS 改善幅度
p99 读延迟（4K） 187ms 131ms ↓30%
p99 写延迟（4K） 214ms 167ms ↓22%
4K 随机读吞吐 1.2GB/s per node 1.8GB/s per node ↑50%
单卷最大 IOPS 12,000 21,000 ↑75%
存储开销（3副本） 200% 100%（纠删码） ↓50%
单点故障风险 有（NFS 头节点） 无（MON/OSD 仲裁） ✅
动态卷扩容 不支持 支持，零停机 ✅
AWS 成本/TB/月 $45 $37 ↓18%

该团队迁移后不仅延迟降低了 30%，每月还节省了 $4,200 的云存储费用。

生产场景二：Rook-Ceph vs Longhorn（学术对比，2026年）

印尼国立大学（UNESA）的学士论文对两种主流方案做了系统性 FIO 压测（5种负载场景）：

  • Rook-Ceph 在读密集场景大幅领先：Web Server 场景下，Rook 达到 27,254 IOPS（读）vs Longhorn 的 11,959；Data Analytics 吞吐量 582 MB/s vs 258 MB/s
  • Longhorn 在写密集场景占优：Database OLTP 混合负载下，Longhorn 读 IOPS 超 Rook 5 倍以上（549 vs 87）；纯写延迟 2.62ms vs 13.04ms
  • 根本原因：Rook 基于 RADOS 分布式集群架构，读操作有高效缓存机制；Longhorn 单控制面微服务架构在事务性写操作上更敏捷，但高并发并行读容易出现瓶颈

生产场景三：Rook Ceph 18.0 vs 云厂商托管存储

2026年4月的 120 节点 K8s 1.32 压测（跨 AWS/GCP/裸机）显示（来源：johal.in）：

  • Ceph 18.0 在 10 节点集群上达到 180万 IOPS（4K 随机读），比 AWS EBS 2026 高 22%，比 GCP PD 3.0 高 31%
  • 但 p99 写延迟 2.1ms，弱于 AWS EBS 的 0.8ms；云托管存储在小块写操作上仍有优势
  • 规模越大 Rook 优势越明显：Ceph 18.0 在 PB 级规模下 p99 写延迟比 AWS EBS 低 42%，但运营成本是 EBS 的 2.8 倍

KubeCon 2026 上的 Rook 议题

2026年3月 KubeCon Europe 2026 设立了 Rook 专题（Artem Torubarov & Deepika Upadhyay，Clyso；Niels de Vos，Red Hat），覆盖从入门到生产部署全流程，重点讨论了 Rook 如何在大规模企业场景下配置 Ceph、提供稳定的块/文件/对象存储。

SAP 的案例

SAP 与 Clyso 联合发布了 PB 级存储白皮书，披露其在 30 个全球区域运营 120PB Rook-Ceph 存储集群的实践，涵盖 2,800 个 OSD 节点、零停机升级（Reef→Squid）、以及 90,000 GET/s 的饱和测试数据。

适合谁，不适合谁

适合用 Rook 的场景

1. 大规模读密集型有状态工作负载

ML 训练数据集访问、内容管理系统、媒体分发、日志分析等读多写少的场景，Rook 的 RADOS 架构配合分层缓存能跑出很漂亮的数据。

2. 需要 ReadWriteMany 文件系统的团队

一个 PVC 多个 Pod 同时读写——这种事 NFS 能做但有单点，HostPath 做不了。Rook CephFS 是 K8s CSI 标准下少数真正生产可用的 RWX 方案。

3. 对数据主权有严格要求的组织

跑在自己的数据中心，不想把数据放云盘，又需要分布式存储的冗余和弹性。Rook + Ceph 是纯开源方案，无供应商锁定。

4. 已经用了大量 K8s 基础设施的团队

如果你的集群已经跑了几十个节点、有专职 SRE、存储需求在 TB 以上级别，Rook 的运维成本相对可消化。

不适合用 Rook 的场景

1. 小规模集群（3节点以下）

Rook 推荐至少 3 个存储节点，且每个 OSD 需要独立磁盘或分区。3 节点集群跑 Rook，无论运维复杂度还是资源消耗都划不来。

2. 以小块随机写为主的场景

Database OLTP 这类写密集负载，Longhorn（单控制面、快照链优化）或直接用云厂商的 RDS/云盘更合适。Rook 的分布式写放大在这种情况下是劣势。

3. 没有 Ceph 运维经验的团队

Rook 降低了 Ceph 的部署门槛，但没有降低理解门槛。OSD 宕盘、MON 脑裂、PG 状态异常——这些 Ceph 概念在 Rook 里依然需要懂。团队里至少要有一个人深度了解 Ceph。

4. 追求极低写延迟的场景

Rook/Ceph 的写路径有复制开销，p99 写延迟很难低于 2ms。对延迟敏感的金融交易、游戏服务器等，考虑裸的本地 NVMe 或云盘。

真实使用门槛

用 Rook 之前，建议先确认以下几点：

硬件：每个存储节点需要至少一块独立 SSD（NVMe 优先，HDD 仅适合超大容量的对象存储场景）。官方建议每节点至少 16GB 内存。

网络：万兆网络是生产级集群的基准；Ceph 的心跳和复制流量对网络抖动非常敏感。

版本兼容性（截至 2026年9月）：Rook v1.19+ 要求 K8s ≥ v1.30，建议最高到 v1.35；Ceph 版本需要 ≥ v19.2.0（Squid）。升级前务必查 GitHub Releases 页确认最新补丁版本。

运维工具链：Rook 官方提供内置 Dashboard（暴露 K8s Service），搭配 Prometheus + Grafana 做监控是标准配置。

下一步建议

如果你看完觉得 Rook 值得评估，可以从这几个方向入手：

1. 快速上手（30分钟）

跟随官方 QuickStart 部署一个单节点演示集群，体验 Rook Operator 的安装和 StorageClass 动态供给流程：https://rook.github.io/docs/rook/latest-release/Getting-Started/quickstart

2. 评估现有工作负载

用 Kubestr 或直接用 fio 对当前存储方案做基线压测，重点测 p99 延迟和读/写混合比例，找出现有瓶颈。

3. 选型验证

如果你的场景是读密集 → 优先测 CephFS；如果是块存储为主 → 测 RBD；确认延迟和 IOPS 数据满足 SLA 再决定迁移。

4. 关注 Rook v1.20 后续版本

v1.20 是当前主线路，预计后续会持续引入对 Ceph Squid+ 以及 K8s 新特性的支持。建议不要追 master 分支，始终用官方 Release 版本。

相关链接

评论区

0 条评论

登录后可评论。

星火·GitHub 快讯 10 阅读