基于Hadoop构建对象存储系统

本帖最后由 hadoopor 于 2009-11-22 14:30 编辑
By云深作者：Terry/Alen/Adam/SeymourZ
转载请注明出处
前言
l
云计算领域目前有两大代表性系统：Google和Amazon，它们各自的存储系统为Google GFS和Amazon S3，都提供高可靠性、高性能、高可扩展性的存储能力
l
Hadoop HDFS就是Google GFS存储系统的开源实现，主要应用场景是作为并行计算环境（MapReduce）的基础组件，同时也是Bigtable（如HBase、HyperTable）的底层分布式文件系统。Hadoop HDFS也有自身的局限性，虽然作为分布式文件系统称谓，但它并不适合所有的应用场合。如：单点namespace，小文件等，早有阐述。http://www.cloudera.com/blog/2009/02/
l
Amazon S3作为一个对象存储系统运营，为客户提供1到5G任意大小的对象（文件）存储，从有限的资料来看，S3没有采用GFS的类似的体系架构，也不对外提供完整的文件系统呈现，更多的是一种对象存储访问的形式。
l
既然Hadoop HDFS适合处理和存储大块的文件，我们是否也可以把HDFS作为一种容器看待，通过上层抽象，对外提供类似Amazon S3一样的对象存储功能呢吗？答案我想是肯定的，下面就讨论基于Hadoop开源项目，构建一个高可靠，高性能、高扩展性的对象存储系统，实现类似Amazon S3的用户接口。
系统架构
图-1
系统架构
系统组成：

对象访问接口层（Access Edge）
§
提供客户端Lib，供上层应用调用;
§
提供REST和SOAP接口，支持web业务的访问。
对象元数据存储层（MetaData Storage）
§
实现对象操作业务逻辑，包括：
1.
Bucket创建；
2.
Bucket删除；
3.
Bucket信息查询；
4.
对象创建；
5.
对象元数据信息查询；
6.
对象删除；
7.
对象元数据修改；
§
负责对象元数据的管理和维护，基于Hbase实现，由Hbase实现系统的扩展和高可靠性
对象实体数据存储(DataNode)
§
提供对象数据的可靠存储；
§
提供对象归档文件的存储；
§
基于HDFS，支持数据冗余
归档管理(Archive Management)
§
零散的小对象文件的归档；
§
归档文件的存储管理；
§
失效对象的磁盘空间回收；
§
归档文件的再归档；
§
相关元数据信息的修改；
元数据存储子系统
采用Bigtable（HBase）的结构化存储系统，提供Mata Data存储：

对象的删除
Client提交删除对象请求delete_obj_req(usr,bucket,obj_key);检查user和Bucket的合法性，要求存在、访问权限；不合法则返回失败；User和Bucket检查通过，则进行如下处理：①
删除对象在元数据表中的信息；
②
将删除对象及其在hdfs中的路径信息存入到已删除对象表中；
③
更新Bucket使用空间大小；
对象删除时，对象可能有两种存储形态：
对象文件 —— Archive Management归档处理时，会直接删除无效的该文件；归档文件的一部分 —— Archive Management对磁盘利用率低的归档文件压缩处理时，删除该数据；图-5 对象的删除
小文件的归档管理
该部分主要由周期性执行的MapReduce任务完成；有以下几个处理流程：
对象归档扫描元数据信息表，统计未归档的对象信息，包括在HDFS中的URI、对象大小等；根据配置的归档文件大小限制，对统计所得的对象进行分组；将每个分组中的对象文件合并到一个归档文件中；更新相关对象元数据信息表中的数据位置描述项；删除旧的对象文件；图-6 小文件的归档
归档文件的压缩扫描已删除对象表，统计无效对象信息；对于未归档的无效对象文件，直接删除；将已归档的无效对象按照归档文件分组；统计涉及到的归档文件的空间利用率；统计利用率利用率低于阈值的每个归档文件中所有有效对象信息；将归档文件中的有效对象数据合并到一个新的归档文件中；更新相关对象元数据信息表中的数据位置描述项；删除旧的归档文件；图-7 归档文件的压缩
归档文件的再归档
1.
扫描归档文件列表，统计占用磁盘空间低于阈值的归档文件；
2.
根据归档文件大小配置参数，将统计所得归档文件分组；
3.
统计各分组归档文件涉及到的对象；
4.
将每个分组中的归档文件合并到一个归档文件；将归档文件中的有效对象数据合并到一个新的归档文件中；
5.
更新相关对象元数据信息表中的数据位置描述项；
6.
删除旧的归档文件；
图-8 归档文件的再归档
总结语
基于Hadoop实现类似Amazon S3的对象存储系统，有一定的先天优势，例如Hadoop的HDFS作为数据存储的容器，解决了数据冗余备份的；Hadoop的半结构化的存储系统HBase可以支撑MetaData的存储，同时解决了MetaData存储层的可靠性和可扩展性等。HDFS天生不能适合存储大量小文件的缺陷，可以使用MapReduce处理架构在后台提供对象归档管理功能（Hadoop已经有了HAV的功能，只是没有平台化），使得HDFS仍然存储自己喜欢的“大文件”。这种基于Hadoop实现的对象存储系统，并不能保证在现阶段达到和Amazon S3一样的服务效率，但随着Hadoop系统的不断完善（例如HDFS访问效率的提高，Append功能的支持等），相信也能有不俗的表现。
转自：http://blog.csdn.net/Cloudeep/archive/2009/08/05/4412958.aspx