云存储产品浅析

金大侠

云上存储产品主要有对象存储，块存储，网络文件系统（NAS），还有最赚钱的CDN，我们将针对这些主流产品，讲讲他们产品特点，有云上存储时候知道如何选型，当然我们是技术型作者也会简单讲讲实现思路，出于信息安全，不可能完全阐述工业界方案。 工业界各大厂商很多上层存储产品都重度依赖底层文件系统，我们也捎带说说存储祖师爷DFS。

Linux IO STACK




云计算本质就是单机计算能力的无限扩展，我们先看看单机的文件及IO管理。 linux操作系统一个IO操作要经由文件系统vfs，调度算法，块设备层，最终落盘

• 其中vfs层有具体的NFS/smbfs 支持网络协议派生出来NAS产品
  
• VFS还有一个fuse文件系统，可切换到用户态上下文。上层分布式存储只要适配了Libfuse接口，就可访问后端存储
  
• 在设备层，通过扩展ISCSI网络协议，衍生出了块存储
  

存储产品架构流派


分层或平层
如hbase，底层基于hdfs文件系统，hbase不用考虑replication，专注于自身领域问题
特点：大大降低开发成本，稳定性依赖底层存储，底层不稳定，上层遭殃

竖井
自己做replication，自己做副本recover，自己做写时recover
master-slave体系架构




两层索引体系，解决lots of small file

• 第一层，master维护一个路由表，通过fileurl找到对应slave location（ip+port）
  
• 第二层，slave单机索引体系，找到具体的location，读出raw data
  

DFS





特点
丰富类posix语意，特点Append-only存储，不支持pwrite
可能存在问题

• Pb级别存储方案，非EB级别。 原因namenode集中式server，内存&qps瓶颈，bat体量公司需运维上百个集群
  
• 默认三副本，成本高
  
• 强一致写，慢节点问题
  

演进
GFS2拆分了namenode，拆分成目录树，blockservice，外加ferdaration，但namespace集中式server缺陷依旧，同时切分image是要停服，水平扩展不是那么友好。

对象存储





元数据管理


Blobstorage： blobid->[raw data]
Metastore，aws s3又称为keymap，本质上是个kv系统。存储内容file_url->[blobid list]

I/O 路径

• httpserver收到muti-part form,收到固定大小raw data，切成K份等长条带
  
• 条带做EC，生成（N-K）份编码块，共得到N份shard。现在的问题变成了这N份数据存哪
  
• 客户端的代理继续向blobstorage申请一个全局的id，这个id代表了了后端实际node的地址，以及这个node管理的实际物理卷，我们的每个分片数据均等的存在这些物理卷上。
  
• 分发写N份数据，满足安全副本数即可返回写成功，写失败的可延时EC方式修复
  
• httpserver将文件file及对应的分片列表以KV形式写入metastore
  

特点
基于http协议 ws服务，接口简单，put/get，延时高。 EB级别存储方案，适合云上产品形态。深度目录树变成两层目录结构（bucket+object）
缺点
posix语意接口太少，不提供append语意（其实是通过覆盖写提供），更别说随机写

块存储


iscsi模型
与后端交互的的部分在内核实现，后端target解析iscsi协议并将请求映射到后端分布式存储



特点

• 绝大多数请求大小是4K对齐的blocksize. 块设备的使用一般上层文件系统，而大多数主流文件系统的块大小是4KB，文件最小操作粒度是块，因此绝大多数的IO请求是4KB对齐的。
  
• 强一致. 块设备必须提供强一致，即写返回后，能够读到写进去的数据。
  
• 支持随机写，延时要低 用户基于虚拟块设备构建文件系统（ext4），对于文件编辑操作很频繁，所以需要支持随机写。 比NAS/Fuse类产品性能好，只hack块设备读写，上层dentry lookup还是走原来的IO path，没有像NAS/FUSE dentry的lookup发起多次rpc问题
  
• 产品层面需要预先购买容量，扩容需要重新挂载，跟NAS比容易浪费空间
  

实现模型





云盘逻辑卷按block切分，为了便于recover，按1G切分，第一层路由由blockManager管理，按volumeid+offset 映射到逻辑block，逻辑block location在三台blockserver上。Blockserver预先创建一个1G文件（falloc，防止写过程中空间不够)，称为物理block。对于逻辑卷这段区间所有的IO操作都会落到这个物理block文件上，很容易实现pwrite。当然也可以基于裸盘，在os看来是一个大文件，分割成不同的1G文件

IO路径


块设备上层会有文件系统，经过io调度算法，合并io操作，isici协议发出的IO请求的都是对扇区LBA的操作，所以可以简单抽象成对于卷id加上偏移的操作，我们简单讲讲EBS（Elastic Block Store）层IO路径

• 网络发出来的IO请求是针对volume+offerset操作，假定是个写请求
  
• 通过blockManager查找到逻辑block
  
• 在内存中找到block对应的物理地址（ip+port），block的replicationGroup
  
• 使用业界通用复制链方式如raft协议向replicationGroup发送io请求，raft帮我们解决写时失败tuncate问题
  
• 单节点接到IO请求，把LBA换算成真实的文件偏移，pwrite写下去
  

优化

• 可想而知，这种存储模型下，后端node会有大量的随机写，吞吐肯定不高，有很大的优化空间 可以通过类似LSM引擎方式，将随机写变成顺序写，读者可深入思考，本文不详细探讨了。
  
• 虚拟磁盘可以切条掉，相当于raid盘思路，单块盘的IO变成多多块盘，增大吞吐
  

NAS




.
用户通过mount目录访问共享文件，mount点挂在的是一个NFS协议的文件系统，会通过tcp访问到NFS server
NFS server是一个代理，通过libcfs最终会访问到我们后端的存储系统

后端存储系统




DS包含管理inode的metastore和datastore

metastore


我们充分吸取业界DFS缺点，解决Namenode集中式server瓶颈，充分考虑bigtable的各种优点。Metastore可基于分布式数据库（newsql），回想一下bigtable，一个用户的文件散落在多个tabletserver上，允许用户跨tabletserver rename操作，所以需要分布式事务完成上述保证，出于对DFS改进，我们把目录树持久化 模仿linux fs dentry管理，映射规则如下 两张表，dentry表和inode表，dentry表描述目录树，inode表描述文件block列表及atime，mtime，uid，gid等源信息，一般来讲硬链够用，该场景下dentry可以多份，共同指向一个inode。 dentry通过外健关联到inode表



lookup 子节点
SELECT i.* FROM Dentry d, Inode i WHERE d.PARENT_DID=$PARENT_ID AND d.NAME=$NAME AND d.FSID=$FSID and i.inode_id = d.inode_id;
datastore
特点：要求提供随机写，所以跟块存储EBS设计思路是一样的，大文件切块，按块组织，dataserver上有真实的物理block文件，提供pwrite操作。 特点 弹性容量，不限容量，多机挂载并行读写，IO线性增长，支持随机写 比块存储优势在于用多少花多少，不需要提前申请容量，真弹性 缺点 vfs层 dentry lookup每个层级目录会发起rpc，延时高。
总结