分布式存储技术及应用介绍

《分布式存储技术及应用介绍》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、根据didyouknow(http://didyouknow.org/)的数据，目前互联网上可访问的信息数量接近1秭=1百万亿亿(1024)。毫无疑问，各个大型网站也都存储着海量的数据，这些海量的数据如何有效存储，是每个大型网站的架构师必须要解决的问题。分布式存储技术就是为了解决这个问题而发展起来的技术，下面让将会详细介绍这个技术及应用。分布式存储概念与目前常见的集中式存储技术不同，分布式存储技术并不是将数据存储在某个或多个特定的节点上，而是通过网络使用企业中的每台机器上的磁盘空间，并将这些分散的存储资源构成一个虚拟的存储设备，数据分散的

2、存储在企业的各个角落。具体技术及应用：海量的数据按照结构化程度来分，可以大致分为结构化数据，非结构化数据，半结构化数据。本文接下来将会分别介绍这三种数据如何分布式存储。结构化数据的存储及应用所谓结构化数据是一种用户定义的数据类型，它包含了一系列的属性，每一个属性都有一个数据类型，存储在关系数据库里,可以用二维表结构来表达实现的数据。大多数系统都有大量的结构化数据，一般存储在Oracle或MySQL的等的关系型数据库中，当系统规模大到单一节点的数据库无法支撑时，一般有两种方法：垂直扩展与水平扩展。·垂直扩展：垂直扩展比较好理解，简单来说就是

3、按照功能切分数据库，将不同功能的数据，存储在不同的数据库中，这样一个大数据库就被切分成多个小数据库，从而达到了数据库的扩展。一个架构设计良好的应用系统，其总体功能一般肯定是由很多个松耦合的功能模块所组成的，而每一个功能模块所需要的数据对应到数据库中就是一张或多张表。各个功能模块之间交互越少，越统一，系统的耦合度越低，这样的系统就越容易实现垂直切分。·水平扩展：简单来说，可以将数据的水平切分理解为按照数据行来切分，就是将表中的某些行切分到一个数据库中，而另外的某些行又切分到其他的数据库中。为了能够比较容易地判断各行数据切分到了哪个数据库中，

4、切分总是需要按照某种特定的规则来进行的，如按照某个数字字段的范围，某个时间类型字段的范围，或者某个字段的hash值。垂直扩展与水平扩展各有优缺点，一般一个大型系统会将水平与垂直扩展结合使用。实际应用：图1是为核高基项目设计的结构化数据分布式存储的架构图。图1可水平&垂直切分扩展的数据访问框架·采用了独立的分布式数据访问层，后端分布式数据库集群对前端应用透明。·集成了Memcached集群，减少对后端数据库的访问，提高数据的查询效率。·同时支持垂直及水平两种扩展方式。·基于全局唯一性主键范围的切分方式，减轻了后续维护的工作量。·全局唯一性主

5、键的生成采用DRBD+Heartbeat技术保证了可靠性。·利用MySQLReplication技术实现高可用的架构。注:以上的数据切分方案并不是唯一扩展MySql的方法，有兴趣的读者可以关注一下”云计算时代的MySQL-ClustrixSierra分布式数据库系统”。非结构化数据的存储及应用相对于结构化数据而言,不方便用数据库二维逻辑表来表现的数据即称为非结构化数据,包括所有格式的办公文档、文本、图片、XML、HTML、各类报表、图像和音频/视频信息等等。分布式文件系统是实现非结构化数据存储的主要技术，说到分布式文件系统就不得不提GFS

6、（全称为"GoogleFileSystem"），GFS的系统架构图如下图所示。图2Google-file-system架构图GFS将整个系统分为三类角色：Client（客户端）、Master（主服务器）、ChunkServer（数据块服务器）。·Client（客户端）：是GFS提供给应用程序的访问接口，它是一组专用接口，不遵守POSIX规范，以库文件的形式提供。应用程序直接调用这些库函数，并与该库链接在一起。·Master（主服务器）：是GFS的管理节点，主要存储与数据文件相关的元数据，而不是Chunk（数据块）。元数据包括：命名空间（N

7、ameSpace），也就是整个文件系统的目录结构，一个能将64位标签映射到数据块的位置及其组成文件的表格，Chunk副本位置信息和哪个进程正在读写特定的数据块等。还有Master节点会周期性地接收从每个Chunk节点来的更新（"Heart-beat"）来让元数据保持最新状态。·ChunkServer（数据块服务器）：负责具体的存储工作，用来存储Chunk。GFS将文件按照固定大小进行分块，默认是64MB，每一块称为一个Chunk（数据块），每一个Chunk以Block为单位进行划分，大小为64KB，每个Chunk有一个唯一的64位标签。G

8、FS采用副本的方式实现容错，每一个Chunk有多个存储副本（默认为三个）。ChunkServer的个数可有有多个，它的数目直接决定了GFS的规模。GFS之所以重要的原因在于，在Google公布