《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
; S/ c! h4 C* t/ v% G* i- RFacebook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
3 Z+ B' \. q" X# R3 k& ]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
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
+ u0 t( \4 a# C, B( b$ e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。
: H4 M. u6 L% V& _6 X6 v: D# Q1 b4.3.1　系统架构
6 x4 P- f# N0 W6 r% @, {& Q! xFacebook Haystack的思路与TFS类似，也是多个逻辑文件共享一个物理文件。
! c& b8 j0 f% }% m5 K, IHaystack架构及读请求处理流程如图4-6所示。
图　4-6　Haystack架构图
1 l0 K, \8 p; JHaystack系统主要包括三个部分：目录（Directory）、存储（Store）以及缓存
（Cache）。Haystack存储是物理存储节点，以物理卷轴（physical volume）的形式组
; O$ D6 F# e0 n) n6 h/ b; E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
; L. G/ x% f3 R3 N! Z0 k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
4 D0 \2 A  o# H1 B, `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
9 L2 ?: q* T7 D( s- m; I问题，提供最近增加的照片的缓存服务。
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
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
4 y! w+ E7 _4 @4 g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
8 y; i" M; @' q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
  a! w- U; `' i2 Z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。
0 W+ n% F; d7 k3 R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
存两个部分。
# V' H" j+ ?+ y" L& s, N; l7 _1.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
9 i' ~/ y- }0 l: ?8 W8 h/ FHaystack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
* M* A' o, j. F1 M( G3 R% W现故障，需要重试。
图　4-7　Haystack写流程
5 V2 F2 b, J, X. P( G* kHaystack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
# @8 k0 C8 @/ b: {* O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
- S1 U  m% K; a4 d. l7 P0 ?# [同。
& W! R0 D8 {' @$ uHaystack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
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
. u9 n; f$ I: C( F$ E+ l, \- h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
轴，Haystack存储会以偏移更大的照片文件为准。
2.容错处理
（1）Haystack存储节点容错
; Q+ \3 g8 f* Q- I4 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
$ L6 L* D! I! g/ J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
2 A0 X, H- b  {& I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
3 S4 ^* ?# A7 |$ R9 u/ q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
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。
1 Z* a& j' l; B9 \; V# ]& r3.Haystack目录
Haystack目录的功能如下：
3 W  |1 n5 M  {9 H1）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；
3）屏蔽CDN服务，可以选择某些图片请求直接走Haystack缓存；
, M( n- e8 Q9 D; i9 X  r# Y# ~* m4）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
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
' I2 x# d! `  k1 L2 F5 r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
& l" v  a! m% T1 G+ k4 O" o, _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。
+ x' E8 g& 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
. D/ R$ \' v( D( w: \Key（照片id，8字节），Alternate Key（照片规格，包括Thumbnail、Small、Medium
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
$ C2 F- ?% \. S- O$ M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
; c6 Q0 G' t6 D, Y3 Z0 j平均大小为80KB，单机存储的照片数为8TB/80KB=100MB，占用内存
& f+ N2 I; M! h8 P: c100MB×20=2GB。
3 u# x! @2 Y- _2 {1 n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
. I8 m1 P! m2 Q) ?: y: @4 L+ a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
, l* {( M( C/ I; E8 j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
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
/ O2 |# }; h7 v# D7 m/ e6 J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
& d5 Y  [5 I9 u$ ~则进行删除，并生成新的数据文件。
2 L- S0 U( I0 R" Y* }4.3.2　讨论
2 b% O% F) W" X, L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
: p" ?8 M0 E9 Aid,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
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
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
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
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
% P( H( @& h( Z) p9 IHaystack要小，因此，可以选择64MB的块大小，有利于负载均衡。
5 P( y( F. K" K, e1 k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
2 P2 W+ x9 M0 O6 n  h! c; ]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
考虑自建CDN。
4 Z/ J# G( @( s! `' c" x  y" j
. ?- r5 |) x9 q# n) s! \  |6 ^( n$ {5 B
4 |* X  ^. U' j# c' Y