RunPod 网络卷 S3 访问

RunPod 网络卷 S3 访问 | AI生成和翻译

首页 2026.07

问：RunPod 网络卷存储使用的是 S3 吗？

答：是的，但有一个重要区别。 RunPod 网络卷实际上并非 AWS S3 存储桶，但 RunPod 提供了一个 S3 兼容的 API 层 来访问它们。

你的卷：

名称：pleasant_apricot_swift
大小：30 GB
数据中心：EU-RO-1
S3 API 访问：已启用

意味着：

实际存储是一个 RunPod 网络卷。
你可以在 Pod 内正常挂载它（例如 /workspace）。
你还可以通过 S3 兼容的端点 使用以下工具从外部访问它：
- aws s3
- s3cmd
- rclone
- Python SDK（boto3）

模型大致如下：

                 +----------------+
                 | RunPod Pod     |
                 |                |
                 | /workspace     |
                 +-------+--------+
                         |
                         |
                 RunPod 网络卷
                         |
                         |
              +----------+----------+
              |                     |
        POSIX 挂载              S3 API
        （文件系统）             （对象 API）
              |                     |
        Linux 命令              aws/rclone/boto3
        cp/rsync               上传/下载

Pod 内示例：

ls /workspace
cp model.gguf /workspace/models/

通过 S3 API 示例：

aws configure

设置：

AWS_ACCESS_KEY_ID=<RUNPOD_ACCESS_KEY>
AWS_SECRET_ACCESS_KEY=<RUNPOD_SECRET>

然后：

aws s3 ls \
  --endpoint-url https://<runpod-s3-endpoint>

或者：

aws s3 cp model.gguf \
  s3://<卷名称>/models/

S3 接口适用于：

在启动 Pod 之前上传大型模型
在机器之间移动数据集
备份
自动化流水线

对于 AI 工作负载，常见模式如下：

网络卷
      |
      +-- models/
      |     llama/
      |     qwen/
      |     gemma/
      |
      +-- datasets/
      |
      +-- checkpoints/
      |
      +-- cache/
            huggingface/
            torch/

然后，同一 RunPod 区域内的每个新 GPU Pod 都可以挂载此卷并立即重用数据。

一个重要限制：网络卷是区域特定的。 你的卷是：

EU-RO-1

因此通常只能挂载到同一数据中心/区域的 Pod 上。它不像全局复制的 S3 存储那样全球可用。

对于 LLM 服务（SGLang/vLLM），这实际上是首选设置：将模型放在网络卷上，启动 GPU Pod，挂载卷，然后启动服务器。

返回捐助