《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
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
$ I- _- I8 c/ u次写操作，读操作峰值可以达到每秒百万次。
2 |2 D+ q: w! \( e$ r% b/ ~/ ~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。
4.3.1　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。
Haystack架构及读请求处理流程如图4-6所示。
图　4-6　Haystack架构图
Haystack系统主要包括三个部分：目录（Directory）、存储（Store）以及缓存
0 O6 z3 `& i9 Q- 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
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
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
volume），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
id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。
' T0 W8 f! l5 }5 \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
# H0 ?7 Y4 {) l( G! ?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
Haystack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
6 q7 z- s- T8 @: b) J9 J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
" L4 K1 C; s, e) Q& D4 a4 ~, p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
7 c. [9 v5 l. b9 g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
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。
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
+ \7 G: s* x0 G! T3 T* U$ z存两个部分。
( }$ Z1 h8 L" |  ~- |5 v1.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
Haystack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
$ s. q8 |( K# D, f0 V9 J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
- O/ A8 e6 d7 v) ?' x现故障，需要重试。
4 J2 @: }1 d/ p9 X3 A图　4-7　Haystack写流程
$ e$ a/ ^" Q1 t) OHaystack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
- n- U! n6 @$ M& w1 y% 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。
' p4 f; U# e/ J' @, q" RHaystack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
% u" w( V7 o$ m) [6 [1 C& @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
. m% D  M" d/ a1 k9 Z( ~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
  q5 C# j0 z# r0 B! L& y轴，Haystack存储会以偏移更大的照片文件为准。
# y, q7 G; b1 n7 @! n2.容错处理
（1）Haystack存储节点容错
0 w- _0 Z4 a4 V% E1 b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
' p& h7 {% B# Z1 p$ W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
$ v' l5 E9 D; h. W0 m4 J+ V+ o; H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
& a: Y# `4 Q5 r& W$ k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）Haystack目录容错
9 w( [* [8 h5 ]7 U. ]Haystack目录采用主备数据库（Replicated Database）做持久化存储，由主备数据
库提供容错机制。
( R# W! R- Z# ]! X3.Haystack目录
Haystack目录的功能如下：
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；
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；
" p. f& B7 E9 a# T3）屏蔽CDN服务，可以选择某些图片请求直接走Haystack缓存；
4）标记某些逻辑卷轴为只读。
8 S' K. D  l" Z) P, P) A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
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，
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
/ ^' f% Q- o! {% D+ C! A' }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
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。
4 b) v1 h# J* s6 y图　4-8　Haystack数据块格式
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
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
% {* x9 z: P& i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
) W4 ^) O+ n7 r- D平均大小为80KB，单机存储的照片数为8TB/80KB=100MB，占用内存
100MB×20=2GB。
6 P3 L5 B( c/ X9 B; i( `3 q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
* J5 e+ C* r$ ~$ _+ r5 w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
- l$ L* c" j0 W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
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
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
' Z( a. t. A' q' p2 r2 V* j9 D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。
4.3.2　讨论
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
' b; l1 X: x1 q# D' [: j% q7 `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
, i1 p4 ]6 f& g8 E3 Z0 L+ ^! w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
2 c- j0 W' C' ]+ l( J; G/ A! i卷轴进行Compaction操作以回收磁盘空间。
3 X% B* W  h  o/ x# }  uFacebook Haystack中每个逻辑卷轴的大小为100GB，这样减少了元信息，但是增
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
, ^5 h8 ]2 @! {  ^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
Haystack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
了Akamai＆Limelight的CDN服务，而淘宝已经使用自建的CDN，当然，Facebook也在
( J6 g4 L! N. V7 E# S考虑自建CDN。

! f0 j, q% ^% d; C( O2 o, F$ {