《大规模分布式存储系统》 第4章 分布式文件系统【4.3】

javazx

4.3　Facebook Haystack
Facebook目前存储了2600亿张照片，总大小为20PB，通过计算可以得出每张照
. z( Q2 r4 p5 E5 l3 R片的平均大小为20PB/260GB，约为80KB。用户每周新增照片数为10亿（总大小为
60TB），平均每秒新增的照片数为10 9 /7/40000（按每天40000s计），约为每秒3500
% E- _6 F8 L4 \) k# S次写操作，读操作峰值可以达到每秒百万次。
Facebook相册后端早期采用基于NAS的存储，通过NFS挂载NAS中的照片文件来
提供服务。后来出于性能和成本考虑，自主研发了Facebook Haystack存储相册数据。
: a: ]% T# W) T  C& |- Z4.3.1　系统架构
Facebook Haystack的思路与TFS类似，也是多个逻辑文件共享一个物理文件。
* p% v1 L& r3 d" ?0 pHaystack架构及读请求处理流程如图4-6所示。
+ Q& J& m) F' k$ P/ F8 s图　4-6　Haystack架构图
& B: n) u! M( K) D! L1 LHaystack系统主要包括三个部分：目录（Directory）、存储（Store）以及缓存
, ]0 p  l0 I5 Q. u* X5 `( E+ A# \8 o（Cache）。Haystack存储是物理存储节点，以物理卷轴（physical volume）的形式组
织存储空间，每个物理卷轴一般都很大，比如100GB，这样10TB的数据也只需100个
/ n; Q6 E0 N% o9 G, U1 n物理卷轴。每个物理卷轴对应一个物理文件，因此，每个存储节点上的物理文件元
) A. u1 Z- t/ x( Z数据都很小。多个物理存储节点上的物理卷轴组成一个逻辑卷轴（logical
5 T' y) V3 D6 B0 f5 {* Bvolume），用于备份。Haystack目录存放逻辑卷轴和物理卷轴的对应关系，以及照片
7 A0 d) I; M; b( `4 Eid到逻辑卷轴之间的映射关系。Haystack缓存主要用于解决对CDN提供商过于依赖的
问题，提供最近增加的照片的缓存服务。
3 [/ }/ U5 u0 @9 \Haystack照片读取请求大致流程为：用户访问一个页面时，Web服务器请求
Haystack目录构造一个URL：http://＜CDN＞/＜Cache＞/＜Machine id＞/＜Logical
volume,Photo＞，后续根据各个部分的信息依次访问CDN、Haystack缓存和后端的
' M- {0 n/ }& ]/ N5 k; OHaystack存储节点。Haystack目录构造URL时可以省略＜CDN＞部分从而使得用户直
接请求Haystack缓存而不必经过CDN。Haystack缓存收到的请求包含两个部分：用户
浏览器的请求及CDN的请求，Haystack缓存只缓存用户浏览器发送的请求且要求请求
6 p( y1 c; O& J5 a8 z$ {; r5 e的Haystack存储节点是可写的。一般来说，Haystack后端的存储节点写一段时间以后
( K' A) v) d. C/ u  |9 p: W* `1 G达到容量上限变为只读，因此，可写节点的照片为最近增加的照片，是热点数据。
  O, B- c3 b7 u3 E- M本节暂不讨论CDN，只讨论Haystack后端存储系统，包括Haystack目录和Haystack缓
! n8 Q6 h+ a# y1 K1 B) F9 K. L存两个部分。
# o$ l% m" `4 s9 P4 Q* W1.写流程
如图4-7所示，Haystack的写请求（照片上传）处理流程为：Web服务器首先请求
! h& R2 W' |/ E+ d' @2 a$ hHaystack目录获取可写的逻辑卷轴，接着生成照片唯一id并将数据写入每一个对应的
物理卷轴（备份数一般为3）。写操作成功要求所有的物理卷轴都成功，如果中间出
现故障，需要重试。
图　4-7　Haystack写流程
Haystack的一致性模型保证只要写操作成功，逻辑卷轴对应的所有物理卷轴都存
. m, P2 i# Q/ S2 a在一个有效的照片文件，但有效照片文件在不同物理卷轴中的偏移（offset）可能不
同。
Haystack存储节点只支持追加操作，如果需要更新一张照片，可以新增一张编号
+ ]  H' b* }( d  p相同的照片到系统中，如果新增照片和原有的照片在不同的逻辑卷轴，Haystack目录
的元数据会更新为最新的逻辑卷轴；如果新增照片和原有的照片在相同的逻辑卷
- B; N4 {7 g# W  \- I9 e' C2 @) q轴，Haystack存储会以偏移更大的照片文件为准。
* h& C: N$ l8 j& Q2.容错处理
（1）Haystack存储节点容错
/ E# b# [- i& U. s, W, \; C检测到存储节点故障时，所有物理卷轴对应的逻辑卷轴都被标记为只读。存储
节点上的未完成的写操作全部失败，写操作将重试；如果发生故障的存储节点不可
恢复，需要执行一个拷贝任务，从其他副本所在的存储节点拷贝丢失的物理卷轴的
数据；由于物理卷轴一般很大，比如100GB，所以拷贝的过程会很长，一般为小时
级别。
2 Z$ C1 d8 {6 ?7 C2 {& Y& t; q（2）Haystack目录容错
1 L* u' G( M2 s5 lHaystack目录采用主备数据库（Replicated Database）做持久化存储，由主备数据
. _# z, y: }+ X库提供容错机制。
3.Haystack目录
Haystack目录的功能如下：
3 D8 R6 V  }; e( i% `1）提供逻辑卷轴到物理卷轴的映射，维护照片id到逻辑卷轴的映射；
+ d8 J4 J- s3 \3 ^6 K& ?+ S+ ?2）提供负载均衡，为写操作选择逻辑卷轴，读操作选择物理卷轴；
3）屏蔽CDN服务，可以选择某些图片请求直接走Haystack缓存；
8 C% g1 e6 w1 k4）标记某些逻辑卷轴为只读。
根据前面的计算结果可知，Facebook相册系统每秒的写操作大约为3500次，每
( C' l$ [$ v8 R! s1 s7 o秒的读请求大约为100万次。每个写请求都需要通过Haystack缓存获取可写的卷轴，
; N4 Y+ ^) b; r9 u, u5 b1 |: y每个读请求需要通过Haystack缓存构造读取URL。这里需要注意，照片id到逻辑卷轴
的映射的数据量太大，单机内存无法存放，笔者猜测内部使用了MySQL Sharding集
$ h6 t: }, V  U9 @  J+ i群，另外，还增加了一个Memcache集群满足查询需求。
4.Haystack存储
Haystack存储保存物理卷轴，每个物理卷轴对应文件系统中的一个物理文件，每
个物理文件的格式如图4-8所示。
$ P+ [3 L0 G- r* S- }图　4-8　Haystack数据块格式
% _# d6 J$ B+ B( T3 ~多个照片文件存放在一个物理卷轴中，每个照片文件是一个Needle，包含实际
$ \8 H' b, _: X2 k! B* G数据及逻辑照片文件的元数据。部分元数据需要装载到内存中用于照片查找，包括
Key（照片id，8字节），Alternate Key（照片规格，包括Thumbnail、Small、Medium
' m, e, H$ [3 v" \+ x7 ^+ @2 @$ ?8 y及Large，4字节），照片在物理卷轴的偏移Offset（4字节），照片的大小Size（4字
节），每张照片占用8+8+4=20字节的空间，假设每台机器的可用磁盘为8TB，照片
平均大小为80KB，单机存储的照片数为8TB/80KB=100MB，占用内存
$ s8 k' {  C3 w/ y5 C1 w100MB×20=2GB。
8 ]( f: }9 O1 \/ A& f) p存储节点宕机时，需要恢复内存中的逻辑照片查找表，扫描整个物理卷轴耗时
2 X8 ~3 r7 z2 S% m4 i! e9 d太长，因此，对每个物理卷轴维护了一个索引文件（Index File），保存每个Needle
查找相关的元数据。写操作首先更新物理卷轴文件，然后异步更新索引文件。由于
更新索引文件是异步的，所以可能出现索引文件和物理卷轴文件不一致的情况，不
; x3 z* g8 d+ T" z5 v  M3 z" }" E过由于对物理卷轴文件和索引文件的操作都是追加操作，只需要扫描物理卷轴文件
7 V3 {5 G9 t1 a$ B# H5 Y最后写入的几个Needle，然后补全索引文件即可。这种技术在仅支持追加的文件系
统很常见。
Haystack Store存储节点采用延迟删除的回收策略，删除照片只是向卷轴中追加
一个带有删除标记的Needle，定时执行Compaction任务回收已删除空间。所谓
Compaction操作，即将所有老数据文件中的数据扫描一遍，以保留最新一个照片的原
则进行删除，并生成新的数据文件。
& ?  o/ E! T" ?3 E9 ]" }7 x4.3.2　讨论
6 M7 i% R2 p( j0 k! R相比TFS,Haystack的一大特色就是磁盘空间回收。Blob文件在TFS中通过＜Block
id,Block offset＞标识，因此，不能对TFS中的数据块进行重整操作；而Haystack中的
: A2 e, x. u4 B2 A0 ], L元信息只能定位到Blob文件所在的逻辑卷轴，Haystack存储节点可以根据情况对物理
- ]: K/ p! N9 u1 f卷轴进行Compaction操作以回收磁盘空间。
Facebook Haystack中每个逻辑卷轴的大小为100GB，这样减少了元信息，但是增
2 V( L2 m# D: C6 _2 ?0 ^) V加了迁移的时间。假设限制内部网络带宽为20MB/s，那么迁移100GB的数据需要的
- D. Q; {2 [" ]5 d+ `) x时间为100GB/20MB/s=5000s，大约是一个半小时。而TFS设计的数据规模相比
1 g/ ]- O2 ]- d9 S; j( qHaystack要小，因此，可以选择64MB的块大小，有利于负载均衡。
另外，Haystack使用RAID 6，并且底层文件系统使用性能更好的XFS，淘宝TFS
不使用RAID机制，文件系统使用Ext3，由应用程序负责管理多个磁盘。Haystack使用
) n$ M* o$ u4 c了Akamai＆Limelight的CDN服务，而淘宝已经使用自建的CDN，当然，Facebook也在
考虑自建CDN。


8 V$ m; ?8 R9 f' ~