> For the complete documentation index, see [llms.txt](https://documentation.alluxio.io/ee-ai-cn/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://documentation.alluxio.io/ee-ai-cn/release-notes.md).

# 版本发布说明

### Alluxio Enterprise AI 3.9

Alluxio AI 3.9 将 Alluxio 从以读为中心的数据缓存升级为完整的 AI 读写数据加速平台，在提升性能、可靠性和运维成熟度的同时，为整个 AI 工作流解锁了新的使用场景。

本次发布围绕两大产品方向持续演进：

* **迈向高性能读写缓存系统** —— Alluxio 现已支持写密集型工作负载，提供兼容 POSIX 的写缓存与 S3 Multipart Upload 支持，可用于模型 checkpoint 以及数据预处理。
* **强化 AI 数据引擎** —— 原生 RDMA 数据传输、零拷贝与 Worker I/O 优化，以及更强的可靠性改进，进一步增强了 Alluxio 对高要求 AI 基础设施的支撑能力。

#### 新功能

**MLOps Workspace —— FUSE Full POSIX Workspace**

{% hint style="warning" %}
Experimental since AI 3.9
{% endhint %}

Alluxio AI 3.9 引入 FUSE Full POSIX Workspace，使 ML 工程师能够直接在由 Alluxio 支持的 FUSE 挂载上运行交互式工作负载，并获得完整的 POSIX 语义。相较于基础版 FUSE 写入优化，该模式支持随机写入、覆盖写、截断、rename、符号链接等标准 POSIX 操作。

基于 FDB 的元数据后端支持多节点访问同一数据集，数据可存储在 Worker NVMe 以获得低延迟，也可存储在 UFS PageStore 以获得更高持久性。典型工作负载包括 `git clone`、`vim`、`pip install`、持续日志写入、数据预处理，以及无需修改代码即可迁移传统 POSIX 应用。在验证测试中，Workspace 顺序写入峰值吞吐达到 **8.99 GB/s**，热缓存读取峰值吞吐达到 **8.01 GB/s**。

配置和使用详情请参阅 [FUSE Full POSIX Workspace](/ee-ai-cn/performance/fuse-workspace.md)。

**模型训练 Checkpoint —— S3 与 FUSE**

{% hint style="warning" %}
Experimental since AI 3.9
{% endhint %}

Alluxio AI 3.9 通过 S3 和 FUSE 两种接口，为模型训练新增高性能 checkpoint 支持。

S3 写入缓存现已支持标准 Multipart Upload（MPU），可处理数 GB 级别的 checkpoint 文件。此外，checkpoint 数据会先写入本地缓存，再异步持久化到对象存储，从而降低应用可感知的 checkpoint 延迟，并尽量减少 checkpoint 期间 GPU 的空闲时间。验证测试显示，单 Worker checkpoint 写入吞吐最高可达 **10.20 GB/s**。

配置和使用详情请参阅 [S3 API 写入优化](/ee-ai-cn/performance/s3-write-cache.md) 和 [FUSE 写入优化](/ee-ai-cn/performance/fuse-write-cache.md)。

**原生 RDMA 数据传输**

{% hint style="warning" %}
Experimental since AI 3.9
{% endhint %}

Alluxio AI 3.9 为读 I/O 增加了原生 RDMA（Remote Direct Memory Access）传输能力，可绕过内核网络栈，从而提升模型加载、训练数据读取和推理服务等数据访问场景的吞吐与延迟表现。

在单节点测试中，RDMA 在 **200Gbps InfiniBand** 上达到 **23.2 GB/s**，在 **400Gbps InfiniBand** 上达到 **49.5 GB/s**。在由 3 个 Worker 和 3 个客户端组成、运行于 **200Gbps InfiniBand** 节点上的集群中，RDMA 总吞吐扩展至 **62.5 GB/s**。小读延迟方面，200G 环境下 4 KB 读取的 P99 达到 **64 µs**，400G 环境下 P99.9 约为 **59 µs**。

本次发布中的 RDMA 支持仅适用于读 I/O。写缓存的写路径仍继续使用标准 TCP 传输。

配置和使用详情请参阅 [RDMA 网络](/ee-ai-cn/performance/rdma-networking.md)。

#### 功能增强

**从访问日志洞察缓存使用情况**

Alluxio AI 3.9 引入缓存可观测性框架，除时序指标外，还提供细粒度访问日志。

这有助于进行缓存容量规划、按业务单元审计使用情况，以及开展成本分摊分析。该框架新增了文件级冷热数据分布可视性、按工作负载划分的访问模式分析，以及动态配置、基于 CLI 的日志管理、时间窗口去重和采样率调优等运维控制能力。

配置和使用详情请参阅 [访问日志](/ee-ai-cn/administration/audit-access-logs/access-log.md)。

**集群运维增强**

Alluxio AI 3.9 同时增强了大规模部署场景下的集群运维能力。

* **面向多租户 Kubernetes 的可恢复数据隔离** —— 基于 CSI 的子目录隔离替代了脆弱的 `volumeMounts.subPath`，且挂载数据可在 FUSE Pod 重启后保留。
* **独立的 Worker 服务绑定** —— Worker RPC、REST、Web、数据和 RDMA 服务可分别绑定到不同的网卡和设备。
* **Job Service 可靠性提升** —— 僵尸作业对账、稳定的 Job ID 管理，以及更强的基于 etcd 的调度器状态处理提升了运维稳健性。
* **写缓存后台运维任务** —— 异步持久化扫描、副本检查、孤儿对象清理、失效锁清理以及临时文件提升均已实现自动化。
* **FUSE 与部署改进** —— 新增 HDFS 3.4 兼容性、NAS UFS 改进、FUSE 日志轮转以及集群诊断能力，提升整体可运维性。