Quién escribe y usa Ceph de verdad

Divulgación de entrada: trabajo para croit, que vende Ceph y aparece en las tablas de abajo. He intentado ser tan crítico con nosotros como con todos los demás. Cada número viene del historial git público, de los propios registros de Ceph en el árbol, o de una declaración pública con nombre — todo reproducible, todo listado en las referencias al final.

Ceph sostiene mucho equipo en el que nadie piensa. Clústeres Proxmox, OpenStack, Kubernetes, laboratorios nacionales de investigación, bancos, telcos, aceleradores de partículas. Veinte años después, sigue siendo la primera respuesta cuando alguien quiere almacenamiento de bloque, archivo y objeto desde un clúster construido con hardware corriente.

Entonces, ¿quién lo escribe, quién lo mantiene, y quién lo ejecuta?

No «quién está en la lista de correo» ni «quién habló en la Cephalocon». Cloné ceph/ceph, tomé cada commit sin merge escrito en los diez años hasta 2026-08-27, y mapeé los autores sobre empresas usando el propio .organizationmap de Ceph más un conjunto documentado de correcciones. Luego tomé el archivo de gobernanza de Ceph en el árbol y rastreé los 38 miembros del Steering Committee hasta el empleador de su propia dirección publicada. Luego fui a buscar quién dice públicamente que lo ejecuta.

Eso suma 69 613 commits de 1 718 personas en 478 organizaciones. Es una imagen mejor de la que esperaba al empezar, y no la que me había propuesto escribir.

La década

Las filas 1 y 3 son el mismo equipo. El 4 de octubre de 2022 Red Hat e IBM anunciaron que todo el equipo de Ceph de Red Hat pasaba a IBM, con IBM asumiendo el patrocinio de la Foundation de Red Hat y ayudando a financiar el laboratorio de pruebas de upstream. La gente no cambió; sus direcciones de correo siguen migrando, un ingeniero cada vez, cuatro años después.

Súmalos: 46 662 commits. 67,0 % de la década.

Detente en eso antes que en nada más, porque es el trato que hace que Ceph exista. Una empresa ha pagado a docenas de ingenieros para construir y cuidar almacenamiento distribuido que luego regala. Diez años de ello, a través de dos adquisiciones y un cambio de matriz. Nadie los obligó.

Los últimos tres años

16 160 commits. Red Hat más IBM: 11 091, o el 68,6 %.

La resiliencia de la que nadie habla

Aquí está la parte que no esperaba, y es lo mejor de todo el ejercicio.

Ceph ya ha sobrevivido a los dos eventos que estos datos te dirían que temieras, y no se inmutó.

Su creador, Sage Weil, escribió 7 517 commits en la década — más que cualquier organización salvo Red Hat, SUSE e IBM. Solo en 2017 escribió 2 184 commits, el 21,5 % del proyecto entero él solo. Se apartó en octubre de 2021 tras 17 años; su último commit lleva fecha 2022-01-20.

Su segundo mayor contribuyente de la década, SUSE, escribió 6 191 commits y llegó a un pico de 1 839 en un año. Luego canceló SUSE Enterprise Storage por Longhorn de Rancher y se retiró: 463 en 2021, 110 en 2022, 14 en 2023, 10 en 2024, nada desde entonces.

Ambos dentro de los mismos cinco años. Si un proyecto tan concentrado fuera frágil, ahí es cuando se habría partido.

No lo hizo. El ritmo de commits este año es de 14,6 al día frente a 14,8 el año pasado. Plano. Los lanzamientos siguieron llegando. La gobernanza se reconstruyó en un Executive Council y un Steering Committee de 38 personas, y aguantó.

(2026 llega hasta el 27 de agosto, unos ocho meses.)

Entre el 57 y el 72 por ciento de un solo fabricante, cada año durante una década. El volumen ha bajado desde el pico de 2016, que es lo que pasa cuando un proyecto deja de reconstruir sus cimientos y empieza a cuidarlos. Los últimos tres años están planos, o una pizca al alza.

Ceph sobrevivió a las empresas que lo construyeron

Esta es la historia real de la década, y no se puede ver en una ventana de tres años en absoluto.

Mira las filas 2, 5, 8, 10, 13 y 15. SUSE, ZTE, Mirantis, China Mobile, Cloudbase Solutions, XSKY — más Inspur, EasyStack, UMCloud, Kylin, UnitedStack, Xtao, Istuary y más abajo. Entre ellas, bastante más de 10 000 commits. Casi todo se ha detenido.

• SUSE: 6 191 commits, pico en 2020, ahora cero.
• ZTE: 1 176 commits, 1 071 solo en 2016, último commit en 2020.
• Mirantis: 566 commits, desaparecida.
• XSKY, EasyStack, Inspur, UMCloud, Kylin, UnitedStack: la cohorte de almacenamiento de la era OpenStack, todas retiradas.

Cada una de esas era una empresa apostando un producto por Ceph. Los productos se cancelaron o pivotaron. Y Ceph sigue aquí, publicando al mismo ritmo, con su código todavía en el árbol y otro cuidándolo.

La mejor ilustración es el dashboard. A lo largo de la década, src/pybind/mgr/dashboard tiene esta pinta:

El dashboard de Ceph fue mayormente trabajo de SUSE. SUSE luego dejó el proyecto por completo. En los últimos tres años el mismo directorio es 57,5 % IBM y 30,3 % Red Hat, y el dashboard sigue publicándose y sigue ganando funciones.

Eso es el desarrollo upstream-first haciendo el trabajo exacto para el que existe. Un fabricante puso mucho, el fabricante se fue, y los usuarios se quedaron el software. Si SUSE hubiera construido ese dashboard como una capa cerrada atornillada por encima, como habrían hecho muchos fabricantes de almacenamiento, habría muerto con la línea de producto. En su lugar fue a upstream, así que vivió.

La próxima década la están construyendo varias empresas a la vez

Crimson es la reescritura desde cero del OSD — el demonio que posee tus discos — sobre el framework Seastar, dirigida al modelo de hilo por núcleo que exige el NVMe moderno. Es la mayor apuesta por los próximos diez años de Ceph. A lo largo de la década:

Y en los últimos tres años, Red Hat e IBM juntos son una minoría de él, con el 45,4 %, con QiAnXin en el 28,4 % e Intel en el 13,4 %.

Lo más importante que se está construyendo en Ceph ahora mismo de verdad es un trabajo de varias empresas. No la hoja de ruta de un fabricante con unos pocos contribuyentes atornillados — tres organizaciones haciendo ingeniería pesada sobre el mismo subsistema, en público, durante años.

QiAnXin merece una nota, porque no es un nombre que la mayoría de la gente de almacenamiento conozca. Es una empresa china de ciberseguridad empresarial, fundada como filial de Qihoo 360 en 2014 y escindida hacia 2016; Qihoo 360 vendió su participación restante del 22,6 % a firmas afiliadas a China Electronics Corporation en abril de 2019, y CEC tenía el 38,3 % para la presentación de la salida a bolsa de 2020. La historia corporativa es legible en el log de git: su contribuyente principal, Xuehan Xu, tiene commits bajo @360.cn en 2017 y 2018 y @qianxin.com desde 2021. Una empresa de seguridad sin producto de almacenamiento que vender ha puesto 900 commits en el futuro OSD de Ceph. Eso es un proyecto abierto funcionando como pone en la etiqueta.

Quién mantiene Ceph, y quién les paga

Escribir código es una cosa; tener las llaves es otra. Ceph guarda su gobernanza en el repositorio, en doc/governance.rst, y el Ceph Steering Committee está listado ahí por nombre y correo. Eso hace que la pregunta de mantenedor-a-empleador sea contestable desde una fuente primaria en vez de por conjetura.

Treinta y ocho asientos, rastreados hasta el empleador en la propia dirección listada de cada miembro:

Red Hat e IBM tienen 25 de 38 asientos — el 65,8 %. Frente al 67,0 % de los commits de la década y el 68,6 % de los últimos tres años. El órgano de gobernanza refleja el código casi exactamente, que es la manera sana: quienes hacen el trabajo tienen la voz, y como tal nadie tiene un veto que no se haya ganado.

Merece la pena sacar dos detalles, y ambos dicen algo bueno.

XSKY y ZTE todavía tienen asientos. Ninguna de las dos empresas ha hecho un commit desde 2020 — el último de Haomai Wang es de 2020-03-18, el de Xie Xingguo de 2020-07-24 tras 750 commits en la década. Ceph no los ha echado. Un proyecto que mantiene un asiento caliente para quienes construyeron gran parte de BlueStore y el OSD, años después de que su empleador se marchara, no es uno que trate a los contribuyentes como desechables.

Yehuda Sadeh se sienta en el comité con una dirección @ui.com. Escribió RADOS Gateway — la puerta S3 y Swift a RADOS, el Reliable Autonomic Distributed Object Store sobre el que se asienta todo lo demás en Ceph — empezando en DreamHost en 2008, pasando por Inktank, Red Hat e IBM: 972 commits solo en la década y miles antes. Todavía escribía código de cripto cephx en julio de 2025. Luego, en junio de 2026 hizo exactamente un commit, doc: governance/csc: update email address, cambiando su propia entrada a Ubiquiti. Cambió de empleador y conservó su asiento. Tu reputación viaja contigo aquí, y esa es una de las mejores cosas de trabajar en abierto.

Los responsables de componente

Los responsables de componente poseen cada subsistema en el día a día:

Diez responsables con nombre, nueve en Red Hat o IBM, y Seastore — el backend de almacenamiento de Crimson — liderado desde Intel. Por encima de ellos se sienta el Executive Council de tres personas, creado cuando Sage Weil se fue: Dan van der Ster (Clyso), Neha Ojha (Red Hat), Patrick Donnelly (IBM). Clyso tiene un tercio del órgano de gobernanza superior con el 0,3 % de los commits de la década — el consejo se construyó alrededor del juicio y la reputación, no del número de cabezas.

Los mantenedores se movieron, y el código se quedó

El argumento más fuerte de que Ceph es un procomún real en vez del producto de una empresa es lo que pasa cuando sus mantenedores cambian de trabajo. Cada uno de estos es rastreable a través de direcciones en el repositorio:

Tres empleadores cada uno, cuatro en algunos casos, y el trabajo continuó a través de cada movimiento. Igor Fedotov ha sobrevivido ya a dos de las estrategias de Ceph de sus empleadores y todavía mantiene el motor que pone tus bytes en disco. Así que la respuesta honesta a «¿qué pasa si un fabricante se va?» es esta: los ingenieros siguen adelante.

Quién ejecuta Ceph de verdad

Las contribuciones son solo la mitad. Aquí está quién dice en voz alta que ejecuta Ceph, con los números que publicaron ellos mismos.

El CERN merece una mirada más de cerca, porque es el relato público más detallado que nadie ha publicado. De una charla del servicio de TI del CERN de septiembre de 2024 por Enrico Bocchi:

EC 4+2 es erasure coding, cuatro fragmentos de datos a dos de paridad. HPC es computación de alto rendimiento, K8s es Kubernetes y OKD es su distribución de upstream. Las cifras son capacidad en bruto, antes de la sobrecarga de replicación y codificación.

Diecinueve clústeres de producción, operados sobre el principio declarado «don’t put all your eggs in the same basket», con cinco más entrando en un nuevo centro de datos. La historia del servicio es un anuncio discreto del software: prueba de concepto de 300 TB en 2013, 3 PB en producción para RBD ya en diciembre, expansión de 3 PB a 6 PB sin interrupción en 2016, S3 y CephFS en producción en 2018, un clúster CephFS entero reubicado físicamente sin interrupción en 2022, RBD del kernel en producción en 2023.

Lo que sostiene en el CERN es la parte reveladora: GitLab, OpenStack, OpenShift, Kubernetes, Harbor, Jenkins, Grafana, Kafka, OpenSearch, InfluxDB, HTCondor, Slurm, Jupyter, Spark, Zenodo, Indico, y la virtualización de NFS, AFS y CVMFS. Ceph no es un experimento secundario ahí. Es el suelo sobre el que se sostiene el resto del edificio.

Y la cifra a escala de comunidad, del propio anuncio de la versión Squid de la Linux Foundation: 1 exabyte de datos en más de 3 000 clústeres Ceph.

Ese exabyte es un suelo, no un total

Esta es la parte en la que merece la pena detenerse, porque cambia cómo lees cada número de adopción sobre Ceph.

La telemetría de Ceph es voluntaria. Solo se te cuenta si alguien ejecuta ceph telemetry on --license sharing-1-0. Todo el que nunca la ejecutó es invisible, y en la práctica eso es la mayoría de la gente, porque no es lo que viene por defecto y nada te da la lata con ello.

Ahora añade Proxmox. Proxmox VE envía Ceph como su opción de almacenamiento hiperconvergido: tres nodos, unos clics en la interfaz web, pveceph por debajo, y tienes un clúster Ceph. Un número muy grande de gente está ejecutando Ceph en producción sin pensar jamás en sí misma como usuaria de Ceph en absoluto. Son usuarios de Proxmox. Nunca se unieron a una lista de correo, nunca escribirán un testimonio, no han activado la telemetría, y no aparecen en ninguna de las tablas de arriba.

Cada pequeña empresa de hosting, proveedor de servicios gestionados, departamento universitario, homelab que se puso en producción calladamente y clúster de oficina de tres nodos en ese tramo es un despliegue Ceph real que ninguna cifra de este post cuenta. Lo mismo va para cualquiera que reciba Ceph a través de Rook en Kubernetes, o dentro de un appliance de fabricante que nunca dice qué hay bajo la tapa.

Así que 1 EB en 3 000 clústeres es el número de los clústeres que levantaron la mano. La base instalada real es bastante mayor y nadie sabe por cuánto. Ese es un sitio raro en el que estar para software de infraestructura — normalmente el fabricante lo sabe, porque tuviste que comprar una licencia — y es un resultado directo de que la cosa sea gratis.

478 organizaciones han puesto código

El log de commits sirve también como lista de quién ejecuta Ceph a escala, porque una empresa que envía parches es casi siempre una empresa que ejecuta la cosa. A lo largo de la década aparecen 478 dominios de correo organizacionales distintos, 140 de ellos con cinco commits o más.

Los nombres, agrupados, solo del log de git:

• Fabricantes de chips, discos y hardware: Intel, Samsung, Seagate, SanDisk, Western Digital, Quantum, Mellanox, Lenovo, Fujitsu, Hitachi, Nokia, Arm, Linaro, HiSilicon, Synology, 45Drives
• Nubes y hosts: DigitalOcean, OVH, IONOS, Akamai, Linode, Hetzner, Binero, City Network, iland, 11:11 Systems, Vexxhost, StackHPC, Canonical, Deutsche Telekom, China Telecom, China Unicom, China Mobile, Chunghwa Telecom
• Usuarios de internet y empresa: Bloomberg, eBay, GoDaddy, Flipkart, Wikimedia, Naver, LINE, Kakao, SK Telecom, Alibaba, Tencent, Baidu, ByteDance, Kuaishou, UnionPay, SenseTime, Sangfor, Micro Focus, MITRE, Igalia, Walmart Labs
• Fabricantes e integradores de almacenamiento: SUSE, Mirantis, XSKY, EasyStack, Inspur, UMCloud, Kylin, UnitedStack, H3C, Xtao, Eisoo, Cloudin, Istuary, ProphetStor, SoftIron, Bigtera, Cloudbase Solutions, Digiware, Bisect, 42on, croit, Clyso, Proxmox, DreamHost
• Investigación y educación: CERN, el Institute of Software de la Chinese Academy of Sciences (ISCAS), Pennsylvania State University, Boston University, la University of Michigan, Carnegie Mellon University, más los miembros Associate de la Foundation — FAS Research Computing en Harvard, la Greek Research and Technology Network (GRNET), Monash University, el South African Radio Astronomy Observatory (SARAO), el Science and Technology Facilities Council (STFC), SWITCH, SLAC en Stanford, y el Center for Research in Open Source Software (CROSS) en la UC Santa Cruz

No todos esos están vigentes, y ese es el sentido de mirar una década. Muestra el arco completo de quién se ha apoyado en este software con la fuerza suficiente como para devolver parches, y lo ancho que ha sido ese abanico.

Los actores que dicen respaldar Ceph, frente a lo que aportan

La membresía por niveles de la Foundation es donde las empresas declaran apoyo. Los niveles no siguen la ingeniería, y la ilustración más clara viene de los tres miembros Diamond citados en el propio anuncio de la versión Ceph Squid de la Linux Foundation.

La declaración de IBM está respaldada por el mayor compromiso de ingeniería de la historia del proyecto, y más. La de Bloomberg está respaldada por 220 commits, un asiento en el Steering Committee, y un patrimonio de producción de 8 PB del que hablan abiertamente — una contribución seria por cualquier medida. 45Drives construye y vende appliances de hardware Ceph y financia la infraestructura compartida; eso también es una contribución genuina, y no es código.

El cuadro completo a lo largo de los niveles:

Y en la otra dirección — cuatro de los siete mayores contribuyentes no son miembros en absoluto:

No leo eso como hipocresía y preferiría que nadie más lo hiciera. El dinero de la Foundation paga el laboratorio de pruebas de upstream, la integración continua que controla cada pull request, la Cephalocon y el personal de comunidad — cosas sin las que Ceph no podría, y cosas que un fabricante de hardware que envía appliances Ceph hace bien en financiar. Western Digital, DigitalOcean y OVHcloud venden todos productos que se apoyan en Ceph, y pagan al procomún que lo mantiene en marcha. Eso es un trato justo.

La conclusión práctica es estrecha: lee la página de miembros como una lista de quién financia la infraestructura compartida, y el log de commits para saber quién escribe el código. Son preguntas distintas con respuestas distintas, y ambas respuestas son útiles.

Los fundadores, ocho años después

La Foundation se lanzó el 12 de noviembre de 2018. La lista está en el registro dos veces — el anuncio de la Linux Foundation y la copia de agencia — y coinciden exactamente: trece miembros Premier, diez General, ocho Associate.

Frente a la página de miembros de hoy: cuatro de trece miembros Premier siguen listados bajo su propio nombre (Canonical, DigitalOcean, OVHcloud, Western Digital), cinco si cuentas a IBM como el asiento de Red Hat. Dos de diez miembros General siguen — croit e Intelligent Systems.

Y los ocho miembros Associate siguen ahí. Sus nombres completos, tal como los da el anuncio fundacional:

• Boston University Information Services and Technology
• CERN — la Organización Europea para la Investigación Nuclear
• FAS Research Computing, Harvard University
• The Greek Research and Technology Network (GRNET)
• Monash University, Melbourne
• The South African Radio Astronomy Observatory (SARAO)
• The Science and Technology Facilities Council (STFC) en UK Research and Innovation (UKRI)
• The Center for Research in Open Source Software (CROSS) en la University of California, Santa Cruz — donde Ceph se escribió en primer lugar, como el trabajo de doctorado de Sage Weil con Scott Brandt, Ethan Miller, Darrell Long y Carlos Maltzahn; el artículo original de 2006 todavía está alojado en ceph.io

Ocho de ocho, a lo largo de ocho años.

Los miembros de pago rotaron. Las universidades y laboratorios de investigación, que se unen sin coste, han aguantado ocho años sin que ninguno se fuera. Esos son quienes ejecutan Ceph a escala para la ciencia, y ninguno se ha marchado.

La documentación de Quincy todavía lleva la lista de miembros tal como estaba hacia 2022, que da el punto intermedio: doce de los veinticuatro miembros comerciales de esa instantánea se han ido desde entonces, exactamente la mitad. La cadencia de Ceph en ese periodo no cambió.

Sobre croit, ya que es mi empleador y uno de los supervivientes. croit GmbH se unió como miembro fundador General el primer día y sigue siendo miembro ocho años después — una racha más larga que la que lograron Intel, SUSE, ZTE, Arm o Samsung. También es el 0,3 % de los commits de la década. Quedarse no es lo mismo que construir, y no voy a disfrazar de contribución la longevidad de la empresa que me paga.

El manual es una persona, y la Foundation la paga

La fila 7 de la tabla de la década es «Ceph Foundation», 691 commits. Eso es casi exactamente un hombre.

Zac Dover tiene 1 060 commits en la década, casi enteramente documentación. En los últimos tres años es el 28,4 % de todo lo que hay en doc/ — el mayor contribuyente individual, por delante tanto de Red Hat como de IBM. Su historial de direcciones va @gmail.com, luego @clyso.com, luego @proton.me, mapeado en los propios registros de Ceph a la Ceph Foundation.

doc/ es el único directorio donde el mayor contribuyente individual no es ni Red Hat ni IBM, y se nota. El manual de Ceph es mejor que el que consigue la mayoría del software de infraestructura de este tamaño. Pagar a un redactor técnico que no responde ante ningún fabricante es lo más inteligente que hace la Foundation con el dinero.

Los individuos todavía pueden mover la aguja

Los mayores individuos de la década, agrupados por nombre de autor:

Veintiuna personas escribieron la mitad de los commits de la década; noventa y una escribieron el 80 %. Eso es normal para una base de código grande en C++, y es también por qué los individuos cuentan tanto aquí.

La prueba más clara de que la puerta está abierta: el quinto puesto de los últimos tres años es un ingeniero de IONOS. Max Kellermann tiene 498 commits desde 2024 — más de los que lograron Intel, Proxmox, Bloomberg, croit o Clyso como empresas — a lo largo de src/mds, src/common, src/mon, src/tools, src/librbd, src/mgr y src/rgw. Es el 19,3 % de todo el trabajo de metadatos de CephFS en la ventana, solo por detrás de Red Hat.

Nadie lo nombró. Apareció y empezó a arreglar cosas, y tres años después es uno de los contribuyentes más ocupados de un proyecto dirigido por una empresa Fortune 50. Todavía puedes entrar en Ceph e importar.

Proxmox es la otra cara de la misma moneda: 249 commits en los últimos tres años, 241 de ellos de Kefu Chai desde el 30 de septiembre de 2025. Proxmox pasó de nada a contribuyente top-diez de Ceph en once meses contratando a un buen ingeniero.

RGW: donde está de verdad el trabajo

Si quieres saber a dónde va la ingeniería de Ceph, la respuesta es el almacenamiento de objetos, y la razón es simple: RGW tiene lo más lejos que ir antes de igualar a aquello con lo que compite.

src/rgw es el mayor subsistema funcional de Ceph en la década — 6 958 commits, por delante de los 5 827 de Crimson, los 4 499 del OSD, los 3 848 del dashboard, los 2 560 de BlueStore y los 2 546 de CephFS. Es cuatro veces el tamaño del esfuerzo de la capa de bloques. En los últimos tres años se llevó 1 705 commits, solo por detrás de Crimson, y Crimson es una reescritura desde cero. En código de producción, RGW es el mayor programa de funciones en marcha del proyecto.

El S3 de Amazon es un objetivo en movimiento con una enorme superficie de API, y cada año le crecen funciones que los clientes luego esperan de cualquier cosa que se llame compatible con S3. Así que RGW lo persigue. Cuenta los últimos tres años de asuntos de commit de RGW por área de función y la forma de esa persecución es clara:

(Recuentos de palabras clave sobre 1 705 asuntos de commit, así que un commit puede aparecer en más de una fila — el punto es la distribución, no un total preciso.)

Eso no es mantenimiento. Eso es cuentas de identidad, roles y políticas, tokens de sesión, notificaciones de bucket y topics, SSE-KMS, object lock, reglas de ciclo de vida, S3 Select, sumas de comprobación, tiering a la nube y replicación multisitio — la lista de funciones de AWS, construyéndose. Lee los asuntos recientes y encuentras trabajo de verificación de firmas SigV4, manejo de x-amz-content-sha256, URLs prefirmadas. Detalle de compatibilidad quisquilloso, del tipo que solo importa porque la librería cliente de alguien espera el comportamiento exacto de Amazon y se caerá sin él.

Es también por qué RGW tiene la lista de contribuyentes más mezclada de los grandes subsistemas. A lo largo de la década Red Hat es el 64,3 % de ella, pero Bloomberg (8,6 % en la ventana reciente) y Cafe Bazaar (6,2 %) están también ahí — empresas que ejecutan grandes almacenes de objetos en producción, arreglando las cosas que les muerden.

Si estás sopesando Ceph para trabajo de S3, este es el número que debería tranquilizarte. La distancia a Amazon es por qué RGW recibe más atención que nada más en el árbol, y el mayor esfuerzo de ingeniería individual del proyecto apunta a cerrarla.

RBD: código estable, no un declive

src/librbd es el dispositivo de bloque de Ceph — lo que usa Proxmox, lo que usa OpenStack Cinder, lo que usan la mayoría de los controladores Container Storage Interface de Kubernetes. Si ejecutas Ceph, probablemente ejecutas RBD. Su gráfico de commits tiene esta pinta:

159 commits en los últimos tres años, alrededor de uno por semana, frente a 1 705 de RGW y 1 944 de Crimson.

Eso es lo que parece el código estable, y es una virtud. El almacenamiento de bloque sobre RADOS es un problema resuelto. RBD ha tenido instantáneas, clones, layering, mirroring, cifrado, migración en vivo y una caché persistente durante años, y no hay nada como la API de S3 corriendo por delante de él, porque lo que un hipervisor quiere de un dispositivo de bloque apenas ha cambiado en una década. El trabajo de funciones está hecho. Lo que queda es mantenimiento: arreglos de fallos, seguir el paso del kernel, la victoria de rendimiento ocasional.

Ponlo frente a RGW a propósito. RGW se lleva diez veces los commits porque tiene diez veces más camino que recorrer. RBD no, así que no. Un componente que ha dejado de cambiar de forma no es un componente yéndose a pique — y si librbd de repente se llevara 400 commits al año querría saber qué había ido mal, porque son mis discos de máquina virtual los que sostiene.

Lo único que merece saberse es que pone la experiencia en muy pocas cabezas. RBD es más o menos Ilya Dryomov, que cuida ambos extremos — el Ceph de upstream y el controlador rbd del kernel de Linux. Ese es más o menos el mejor montaje que hay, y sigue siendo de una persona de fondo. Lo que te dice a quién preguntar, no si desplegar.

Dónde se sitúa el trabajo

El mismo mapeo a lo largo del árbol, la década y la ventana reciente lado a lado:

Dos cosas que leer de esto. Propiedad: cuanto más cerca de las partes que un fabricante vende — herramientas de despliegue, la GUI — más es de una sola empresa; cuanto más lejos — el OSD de próxima generación, el motor de almacenamiento, el manual — más concurrido, y ahí es donde hay sitio si quieres contribuir en algo que aún no tenga dueño.

Volumen: por commits totales en la década, el orden es RGW 6 958, Crimson 5 827, el OSD 4 499, el dashboard 3 848, los monitores 2 896, BlueStore 2 560, CephFS 2 546, RBD 1 750, cephadm 1 685. El esfuerzo sigue la distancia-a-terminar, no la cuota de despliegue. RGW es el primero porque la paridad con S3 está muy lejos; RBD está cerca del fondo porque el almacenamiento de bloque está terminado.

BlueStore merece su propia línea. Es el motor que escribe tus bytes en disco, y en los últimos tres años el segundo mayor contribuyente tras IBM es croit con el 18,1 % — Igor Fedotov, su mantenedor principal, en una empresa de unas pocas docenas de personas. Mi empleador, así que pésame en consecuencia. El punto se sostiene firme quien firme su cheque: una empresa pequeña puede emplear al mantenedor de uno de los componentes más críticos para la seguridad de la pila, y el proyecto es mejor por ello.

Quién tiene el botón de merge

Conté también los merges — 7 893 en los últimos tres años, atribuidos a quien pulsó el botón:

69,5 % de los merges frente al 68,6 % de los commits. La puerta y el trabajo tienen la misma forma. Esto no es una empresa escribiendo el código y otra controlando qué aterriza, que es el modo de fallo que de verdad merece preocupar en el código abierto corporativo. Ceph no lo tiene.

De dónde vienen los números

Todo es reproducible. Ceph mantiene su propio mapeo de contribuyente-a-organización en el repositorio — .organizationmap, junto a .mailmap, .peoplemap y .githubmap — y documenta el comando para usarlo.

git clone --filter=blob:none --no-checkout https://github.com/ceph/ceph.git
cd ceph
git show HEAD:.organizationmap > /tmp/orgmap

# Ceph's own documented method, over the last ten years
git log --no-merges --since=2016-08-27 --until=2026-08-27 --pretty='%aN <%aE>' \
  | git -c mailmap.file=/tmp/orgmap check-mailmap --stdin \
  | sort | uniq -c | sort -rn | head -30

# the maintainer-to-employer mapping, straight from the repo
git show HEAD:doc/governance.rst | sed -n '/^.. _csc:/,/^\.\. _ctl:/p' \
  | grep -oE '\* [^<]+<[^>]+>'

Ejecuta el primero y obtienes un IBM más pequeño que el mío, porque el mapa oficial está desactualizado. No conoce aainscow@uk.ibm.com, bill_scales@uk.ibm.com, ylifshit@ibm.com, rkachach@ibm.com, leonid.usov@ibm.com ni los hostnames generados por máquina li-*.ibm.com. Usar las propias herramientas del proyecto subestima la concentración.

Mis correcciones sobre el mapa:

• Cualquier dirección que acabe en ibm.com — incluidas uk.ibm.com, il.ibm.com, in.ibm.com, de.ibm.com y las formas li-*.ibm.com — es IBM.
• redhat.com e inktank.com son Red Hat, mostradas por separado de IBM pero el mismo equipo desde octubre de 2022.
• Siete direcciones personales se atribuyen a empleadores donde el propio repositorio lo prueba: sage@newdream.net (Red Hat), idryomov@gmail.com (listada como idryomov@redhat.com en el propio doc/governance.rst de Ceph), max.kellermann@gmail.com (IONOS), xxhdx1985126@gmail.com (QiAnXin), yuvalif@yahoo.com (IBM), yingxincheng@gmail.com (Intel), shraddha.agrawal000@gmail.com (IBM).
• Todo lo demás conserva su dominio. Las direcciones personales se quedan como «sin empleador visible» en vez de adivinarse.

Salvedades que no puedo arreglar. Los commits son una unidad tosca — una refactorización cuidadosa de 900 líneas cuenta una vez, cuarenta arreglos de erratas cuentan cuarenta, y aquí nada está ponderado. Los dominios de correo son imperfectos: el 9,0 % de la década no muestra empleador, y algunas de esas personas ciertamente cobran por escribir Ceph. La revisión es invisible en git — Ceph revisa en pull requests de GitHub, no en trailers Reviewed-by:, de los que encontré doce en tres años; la puerta más importante del proyecto no deja rastro en un clon. Las cifras son solo de main, así que los backports a ramas estables no se cuentan, lo que subestima el trabajo de mantenimiento. Y toda cifra de adopción aquí es un suelo, por la razón de la telemetría expuesta arriba.

Donde una afirmación descansa en una fecha he usado la fecha de autor; donde descansa en el empleador de alguien, una dirección que publicó él mismo.

Lo que saco de esto

Ceph es un proyecto financiado por empresas con una comunidad real alrededor de los bordes, y ha sido así toda su vida comercial. Eso no es una pulla. Alguien tiene que pagar a ingenieros para cuidar almacenamiento distribuido a esta escala, y durante diez años alguien lo ha hecho.

No pretenderé que Ceph es típico, porque lo comprobé. Las estadísticas de LWN para Linux 6.15 registran 2 068 desarrolladores de al menos 195 empleadores con la mayor empresa individual, Intel, en el 12,0 % de los changesets. Ceph son 1 718 personas en una década con una empresa en el 67,0 %. El kernel reparte su dependencia corporativa entre docenas de firmas. Ceph la mete en una. Esa es una diferencia real, y «todo el mundo hace esto» sería una forma perezosa de descartarla.

Pero aquí está lo que dicen diez años de datos sobre si eso importa, y es una respuesta mejor de la que fui a buscar:

Ceph es duro en la manera que cuenta. Perdió al hombre que lo escribió, que hacía una quinta parte del trabajo. Perdió a SUSE, su segundo mayor contribuyente y autor del dashboard. Perdió a ZTE, Mirantis, XSKY, EasyStack, Inspur y la mitad de los miembros fundadores de la Foundation. El ritmo de commits de hoy está a menos del dos por ciento del del año pasado. Veinte años de ingeniería de almacenamiento están en ese árbol bajo LGPL-2.1 o LGPL-3, y nadie puede cerrarlo, relicenciarlo ni recuperarlo.

Los mantenedores son portables. Fedotov ha mantenido BlueStore en marcha a través de tres empleadores. Kefu Chai pasó de Red Hat a Proxmox y siguió adelante. Sadeh escribió RGW en DreamHost y cambió su dirección de comité a Ubiquiti este junio. Cuando una empresa se marcha, su gente a menudo se queda.

La puerta está bien abierta. Un ingeniero de IONOS se convirtió en el quinto mayor contribuyente en tres años. Proxmox entró en el top diez con una sola contratación. Una firma de seguridad sin producto de almacenamiento está construyendo una quinta parte del OSD de próxima generación. 478 organizaciones han enviado parches. Si quieres entrar, no te detiene nada más que el trabajo.

La base de usuarios es mucho mayor de lo que nadie puede medir. Un exabyte en 3 000 clústeres es lo que levantó la mano a través de la telemetría voluntaria, y el CERN por sí solo da cuenta de diecinueve clústeres de producción. Cada clúster Proxmox hiperconvergido, cada despliegue Rook, cada appliance de fabricante con Ceph bajo la tapa es uso real de producción que ninguna cifra publicada cuenta. Software tan ampliamente y tan calladamente desplegado no desaparece sin más.

El esfuerzo va donde está la brecha, no donde están los usuarios. RGW es el mayor programa del proyecto — 6 958 commits en la década — porque alcanzar a Amazon en S3 es una larga persecución contra un objetivo en movimiento. RBD está cerca del fondo porque el almacenamiento de bloque está hecho. Un recuento bajo de commits en un componente maduro es un trabajo terminado, no un aviso, y leer esos dos números al revés es el error más fácil que hay con datos como estos. Yo mismo lo cometí en la primera pasada.

Juzga a los proveedores por commits, no por niveles. El historial es público y cuatro líneas de shell te mostrarán quién cuida de verdad la cosa de la que estás a punto de depender. El almacenamiento cerrado no te ofrece eso a ningún precio.

Así que si estás sopesando Ceph: la concentración merece conocerse cuando planificas a cinco años vista, y no es razón para contenerse. Una capa de bloques madura. El mayor esfuerzo de ingeniería del proyecto apuntado de lleno a la paridad con S3. Un futuro OSD construido por tres empresas a la vez. Un manual mejor que la mayoría. Una gobernanza que salió adelante tras perder a su fundador. Una década de revisión hecha en abierto, el trabajo de 478 organizaciones en el árbol, y una licencia cuyo peor caso es un fork en vez de un callejón sin salida. Con la evidencia de 69 613 commits, este proyecto goza de buena salud.

Y cuéntalo tú mismo si dudas de mí. Los comandos están arriba, los datos son públicos, y nada en este post necesita tomarse por fe — ni la mía ni la de nadie.

Referencias

Fuentes del proyecto Ceph

• «Ceph: A Scalable, High-Performance Distributed File System» — Weil, Brandt, Miller, Long y Maltzahn, OSDI ‘06, noviembre de 2006. El artículo con el que Ceph empezó
• ceph/ceph en GitHub — el repositorio del que viene cada cifra de commits; .organizationmap, .mailmap, .peoplemap, .githubmap, doc/governance.rst y COPYING están todos en el árbol
• Gobernanza de Ceph — membresía del Executive Council y del Ceph Steering Committee, con direcciones
• Equipo de componentes de Ceph — responsables de componente
• Miembros de la Ceph Foundation — membresía actual por nivel
• Documentación de la Ceph Foundation — estructura de niveles y membresía Associate sin coste
• Miembros de la Ceph Foundation, documentación de Quincy — membresía tal como estaba hacia 2022
• Módulo de telemetría de Ceph — confirma que la telemetría es voluntaria
• «Red Hat’s Ceph team is moving to IBM», 4 de octubre de 2022
• Ceph Community Newsletter, noviembre de 2021 — Sage Weil apartándose

Ceph Foundation y la Linux Foundation

• Introducing Ceph Squid — las declaraciones de los miembros Diamond citadas arriba, y las cifras de 1 exabyte / más de 3 000 clústeres
• The Linux Foundation Launches Ceph Foundation, 12 de noviembre de 2018 — lista de miembros fundadores
• El mismo comunicado vía PRNewswire — usado para confirmar la lista de forma independiente

Despliegues

• «Ceph: Infrastructure Storage at CERN» — Enrico Bocchi, CERN IT Storage, 27 de septiembre de 2024. Cada cifra del CERN de arriba viene de esta presentación
• Why We Chose Ceph to Build Block Storage — DigitalOcean
• «We Added 6 Petabytes Of Ceph Storage and No Clients Noticed» — Matthew Leonard y Joseph Mundackal, Bloomberg, Cephalocon 2020
• Ceph en Wikitech — los cinco clústeres de producción de la Wikimedia Foundation
• Ceph RBD block storage — la propia documentación de OVHcloud
• Deploy Hyper-Converged Ceph Cluster — Proxmox VE enviando Ceph como su almacenamiento hiperconvergido

Empresas

• «SUSE says tschüss to Ceph-based enterprise storage product», The Register, 25 de marzo de 2021 — SUSE Enterprise Storage cancelado por Longhorn
• Qi An Xin files for $634m IPO, Global Venturing, 13 de mayo de 2020 — los orígenes de QiAnXin en Qihoo 360, la participación de CEC y el accionariado

Comparación

• Development statistics for the 6.15 kernel, LWN.net — recuentos de desarrolladores y empleadores del kernel usados para la comparación de concentración