Vultr Block Storage附加：挂载+格式化+开机自动挂载脚本
Vultr Block Storage附加：挂载+格式化+开机自动挂载脚本
在部署轻量级AI模型如VibeThinker-1.5B-APP的实践中，一个常见的瓶颈并非算力不足，而是系统盘空间迅速耗尽。这类模型虽参数规模不大，但在推理过程中会产生大量缓存文件、用户交互日志和中间状态数据——尤其是当服务持续运行数周后，根分区很容易被写满，导致应用崩溃甚至SSH连接中断。
此时，最直接有效的解决方案不是更换更高配置的实例，而是为VPS“热插拔”一块独立存储卷。以Vultr为代表的云平台提供的Block Storage服务，正是为此类场景量身打造：它像U盘一样可随时附加、分离，却具备SSD级别的性能与企业级持久性保障。
但问题也随之而来：新磁盘接入后，操作系统只能识别出一个“裸设备”，若不经过正确格式化与挂载配置，根本无法使用。更关键的是，如果不设置开机自动挂载，每次重启服务器都会导致数据路径失效，服务启动失败。这看似简单的操作链，实则牵涉Linux底层存储管理的核心机制。
假设你刚在Vultr控制台创建了一个100GB的Block Storage卷，并成功附加到你的Ubuntu 22.04 VPS上。现在需要让它立即投入使用，并确保后续重启不会中断业务。整个过程可以分为三个阶段：识别设备 → 格式化并测试挂载 → 配置持久化自动挂载。
首先通过lsblk命令查看当前块设备列表：
lsblk输出如下：
NAME MAJ:MIN RM SIZE RO TYPE MOUNTPOINT sda 8:0 0 50G 0 disk └─sda1 8:1 0 50G 0 part / sdb 8:16 0 100G 0 disk ← 新增的Block Storage可以看到，系统已将外接存储识别为/dev/sdb，且尚未分区或挂载。注意这里不要误操作/dev/sda，那是系统盘。
接下来进行格式化。考虑到ext4在兼容性和稳定性上的优势，尤其适合通用型数据存储（比如模型输出目录），我们选择将其格式化为ext4文件系统：
sudo mkfs -t ext4 /dev/sdb⚠️ 警告：此命令会清空设备所有数据！务必确认设备路径正确。如果已有重要数据，请先备份。
格式化完成后，需创建一个挂载点目录。为了语义清晰、便于维护，建议根据用途命名。例如用于存放AI模型相关数据时，可使用：
sudo mkdir -p /mnt/model-data然后手动挂载测试是否正常：
sudo mount /dev/sdb /mnt/model-data执行df -h检查是否挂载成功：
df -h | grep model-data预期输出类似：
/dev/sdb 97G 23G 70G 25% /mnt/model-data为进一步验证读写能力，尝试创建测试文件：
sudo touch /mnt/model-data/test.txt echo "Block storage mounted successfully." | sudo tee /mnt/model-data/hello.txt一切正常后，就可以进入最关键的一步：实现重启后自动挂载。
许多初学者习惯直接在/etc/fstab中使用/dev/sdb这样的设备名来定义挂载项，但这存在严重风险——Linux内核对磁盘的命名顺序可能因硬件变化而改变。例如下次重启时，原本是sdb的设备变成了sdc，就会导致系统试图挂载错误设备，甚至引发启动卡死。
更可靠的方式是使用UUID（全局唯一标识符）。每个格式化后的文件系统都会生成唯一的UUID，不受设备名称变动影响。
获取该设备的UUID：
sudo blkid /dev/sdb输出示例：
/dev/sdb: UUID="a1b2c3d4-e5f6-7890-g1h2-i3j4k5l6m7n8" TYPE="ext4"记下这个UUID值，接下来编辑/etc/fstab文件。为防止误操作导致系统无法启动，务必先备份原文件：
sudo cp /etc/fstab /etc/fstab.bak然后添加新的挂载条目：
echo 'UUID=a1b2c3d4-e5f6-7890-g1h2-i3j4k5l6m7n8 /mnt/model-data ext4 defaults,nofail,discard 0 2' | sudo tee -a /etc/fstab这里的挂载选项值得深入解释：
defaults：启用默认读写权限等基础功能。nofail：这是关键！表示即使该设备暂时不可用（如未附加），系统也应继续启动，避免因外部存储缺失而导致VPS无法登录。discard：启用TRIM指令支持，适用于SSD类存储，有助于维持长期写入性能并延长寿命。- 最后两个字段
0 2分别表示：不参与dump备份，fsck检查优先级为非根文件系统。
完成配置后，无需立即重启即可验证fstab语法是否正确：
sudo mount -o remount /mnt/model-data如果没有报错，则说明配置有效。此时你可以安全地重启系统：
sudo reboot重新登录后再次执行：
df -h | grep model-data若仍能正常显示挂载信息，说明自动挂载已稳定生效。
这种“计算+存储分离”的架构设计，在实际运维中带来了显著好处。比如当你需要升级实例规格或重装系统时，只需将原Block Storage卷从旧实例分离，再附加到新实例上，几分钟内即可恢复全部数据环境，无需重新下载大体积模型权重或迁移历史日志。
更重要的是，借助脚本化部署流程，整个过程完全可以自动化。以下是一个简化的初始化脚本模板，可用于Ansible任务或首次配置时一键执行：
#!/bin/bash # block-storage-setup.sh DEVICE="/dev/sdb" MOUNT_POINT="/mnt/model-data" FILESYSTEM="ext4" # 检查设备是否存在 if ! lsblk "$DEVICE" &>/dev/null; then echo "Error: $DEVICE not found." exit 1 fi # 创建挂载点 sudo mkdir -p "$MOUNT_POINT" # 格式化（仅当未格式化时） if ! sudo blkid "$DEVICE" | grep -q "$FILESYSTEM"; then echo "Formatting $DEVICE as $FILESYSTEM..." sudo mkfs -t "$FILESYSTEM" "$DEVICE" else echo "$DEVICE already formatted." fi # 获取UUID UUID=$(sudo blkid -s UUID -o value "$DEVICE") if [ -z "$UUID" ]; then echo "Failed to get UUID for $DEVICE" exit 1 fi # 备份 fstab 并写入新条目 sudo cp /etc/fstab /etc/fstab.bak FSTAB_ENTRY="UUID=$UUID $MOUNT_POINT $FILESYSTEM defaults,nofail,discard 0 2" if ! grep -q "$UUID" /etc/fstab; then echo "$FSTAB_ENTRY" | sudo tee -a /etc/fstab echo "Added entry to /etc/fstab" else echo "Entry already exists in /etc/fstab" fi # 挂载 sudo mount "$DEVICE" "$MOUNT_POINT" if mountpoint -q "$MOUNT_POINT"; then echo "Successfully mounted $DEVICE at $MOUNT_POINT" else echo "Mount failed!" exit 1 fi # 设置权限（假设主用户为ubuntu） sudo chown -R ubuntu:ubuntu "$MOUNT_POINT"将上述脚本保存为block-storage-setup.sh并赋予执行权限后，即可在新环境中快速完成配置。配合CI/CD工具或基础设施即代码（IaC）框架，能极大提升部署效率与一致性。
当然，也有一些细节值得注意：
是否需要分区？对于整块专用存储卷（如本文场景），通常不需要额外分区，直接在整个设备上建立文件系统即可。但如果计划在同一块存储上划分多个用途区域，则应先使用
fdisk或parted创建分区表。xfs vs ext4？若主要处理大文件（如视频处理、数据库WAL日志），xfs性能更优；但对于常规AI应用中的中小文件读写，ext4已足够且更稳妥。
监控不可少：即使有了更大空间，也应定期检查使用率。可通过cron任务结合
df命令发送告警，或集成Prometheus exporter实现可视化监控。快照策略：Vultr支持对Block Storage卷创建快照，建议每周至少备份一次，尤其是在重大更新前。虽然存储独立于实例，但仍需防范人为误删或逻辑错误。
最终你会发现，掌握这一套完整的附加、格式化与自动挂载流程，远不止是解决了一次磁盘不足的问题。它代表了一种云原生思维的转变：不再把服务器当作一台“永远在线”的物理机来维护，而是视其为可替换、可编排的短暂资源节点，而真正宝贵的资产——数据——则由独立的、受控的存储层来承载。
对于运行VibeThinker-1.5B-APP这类专注算法推理的小模型而言，这种“轻量计算 + 弹性存储”的组合，既控制了成本，又保证了灵活性。未来若要扩展为多实例共享同一数据源，或者迁移到Kubernetes集群中，今天的这一步配置，已经为你打下了坚实的基础。