Celld 是一个刚发布就冲到 HN 前排的开源项目(目前 1700+ stars),核心用 Rust 写的,目标是让你在自己的机器上跑 Cloudflare Durable Objects 的代码——不改一行。
这件事本身不算新鲜,Cloudflare Workers 生态里一直有人在做"本地替代"尝试。但 Celld 真正有意思的地方不在于"能跑",而在于它解决了一个很具体的工程矛盾:Durable Objects 的计费模式在规模上来之后,成本曲线几乎是垂直的。
一个真实场景的成本对比
假设你在做一个实时协作应用——比如在线文档、白板、或者游戏房间——每个房间是一个独立的 Durable Object。
在 Cloudflare 原生部署:
- 免费计划:最多 1 个"常驻" cell
- 付费计划:$5/mo + $4.15/每 cell·月
1000 个房间 → $4150/月。10000 个房间 → $41500/月。
这个价格对创业公司或者个人开发者来说,在产品做到 10000 用户之前就已经用不起了。
Celld 给出的方案是:你自己准备 S3 兼容存储 + 几台 VM。每个节点是 8GB RAM,价格大概 $49/mo(DigitalOcean 最便宜的机型),节点上可以跑最多 1000 个常驻 cell。
1000 个房间 → $49/mo。10000 个房间 → $486/mo。
差距有多大?10000 个房间时,Celld 比 Durable Objects 便宜 85 倍。
架构设计:S3 是唯一协调层
Celld 最反直觉的设计哲学是:节点之间不通信,节点和 S3 桶之间也不需要特殊的协调协议。
ownership 是一个存在 S3 桶里的记录。节点通过 S3 的 compare-and-swap(CAS)操作来争抢 cell 的所有权——这是 S3 原生支持的原子操作,不需要任何第三方共识服务。
每个 cell 本身的持久化是 SQLite 数据库,通过 Celld 内置的 replicator 持续以 LTX 格式复制到 S3 桶。当 cell 需要在节点之间迁移时,新节点从 S3 拉取 SQLite 文件、启动 V8 执行环境、恢复状态。整个过程不依赖任何中心化的控制面。
节点挂了怎么办?其他节点监听不到某个节点的 heartbeat(没有心跳协议,只是定时去 S3 查 ownership 记录),发现某个 cell 的 ownership 记录已经很久没有更新,就用 CAS 争抢。抢到之后从 S3 恢复 SQLite 继续跑。Celld 自己的测试:节点被 SIGKILL 之后,cell 在新节点上恢复约需 20 秒,RPO = 0。
关于 hibernation:Durable Objects 支持 hibernation,idle 时不消耗 CPU。Celld 同样支持,idle cell 几乎不消耗内存,每个节点可以同时持有上千个 idle cell,内存占用约 4MB/cell。
这个模型对 AI Agent 有什么意义
我关注这个项目的直接原因:AI Agent 太需要"有状态持久化"了。
一个 Agent 需要记住上下文、工具使用历史、用户的偏好。这些东西目前主流做法是塞进 prompt 或者存在外部 KV store。但塞 prompt 有长度限制,外部 KV store 又引入了额外的服务依赖和一致性复杂度。
如果每个 Agent 实例是一个 cell——拥有自己的 SQLite 数据库,可以直接在里面读写结构化的记忆数据——整个模型就干净很多:
- 不需要额外的基础设施(就一个 S3 桶)
- cell 之间天然隔离,一个 Agent 崩溃不会影响其他的
- 线性计费,10000 个 Agent 并发跑 vs 10 个 Agent 并发跑,成本差距是线性的,不是指数的
实际可行性还是有一些限制需要说清楚。Celld 目前主要面向运行 Cloudflare Workers/DO 代码的场景,直接拿它跑任意 SQLite 应用不在设计目标内。另外 LTX 复制和 CAS ownership 是它自己定义的文件格式和协议,不是标准化的东西。Durable Objects 的 Hibernation 特性在 Celld 里需要节点上跑 V8,idle 时内存效率理论上应该比原生的 DO 稍差一点——不过实测 idle cell 4MB 的占用对大多数场景来说完全可接受。
什么时候选 Celld、什么时候选原生 DO
Celld 适合需要全自托管、有数据主权要求、规模在数百到数万个 cell 且已有 S3 兼容存储的团队。Cloudflare 原生 DO 更适合不想运维基础设施、需要 Cloudflare 全球边缘网络和 WAF/DDoS 防护、规模在几十到几百个 cell 的场景。
本质上这是两个不同的工程取舍——一个用运维换成本和数据控制权,一个用成本换运维便利和平台能力。
相关工具与参考
Celld 的价值不只是便宜。它的架构证明了一件事:分布式有状态执行不一定要依赖一个托管平台提供的控制面。只要你有一个足够强的存储后端(S3 的 CAS 能力被严重低估了),你自己可以实现相同的一致性保证。
这个思路对其他分布式有状态系统也有参考价值——etcd/Consul 这些元数据协调服务,是否也能用类似的方法简化为"存储 + CAS"?Raft 协议的本质是解决"谁来写"的问题,S3 CAS 其实也回答了同一个问题,只是答案更简单。
对 AI Agent 的开发者来说,这个方向值得关注。基础设施的选择会深刻影响上层 Agent 的可靠性上限——选对存储模型,Agent 的状态管理问题会简单很多。
项目地址:https://github.com/denoland/celld 官网:https://celld.dev
相关技术文章: