搞架构的人,Google的架构论文是必看的,但好像大家都不愿意去啃英文论文。故把自己的读书笔记,加入自己的思考,分享给大家。
第一篇,GFS(Google File System)架构启示。
GFS是什么?
Google早期研发的分布式文件系统。
画外音:与分布式文件系统对应的,是单机文件系统,Windows和Linux操作系统都有文件系统。
GFS的设计目标是什么?
主要有四个目标:
(1) 高可用(availability);
(2) 高可靠(reliability);
(3) 高性能(performance);
(4) 可扩展(scalability);
画外音:WaCaLe,这些词都被架构师用烂了,简单解释一下。
高可用,是指7*24提供服务,任何一台机器挂了或者磁盘坏了,服务不终止,文件不丢失;
高可靠,是指争取的输入,得到正确的输出,读取a文件,不会得到b文件;
高性能,是指吞吐量很牛逼,每秒响应几十万请求;
可扩展,是指加机器,就能提升性能,就能存更多文件;
额,希望这个解释是通俗的。
GFS对外提供什么接口?
文件创建,删除,打开,关闭,读,写,快照。
画外音:
除了快照,接口和单机文件系统差不多。
快照其实是快速文件目录树的拷贝,并不是所有文件的快照。
GFS能够成为分布式架构的经典案例,原因之一,就是接口简单,但反映的架构理念不简单。
GFS的系统架构如何?
系统里只有文件客户端,主服务器,存储服务器三个角色。
如上图:
(1) 客户端(GFS client),是以库的形式提供的,提供的就是对外要用的接口;
(2) 主服务器(GFS master),是单点,存储文件信息,目录信息,文件服务器信息,那个文件存在哪些文件服务器上等元数据;
(3) 存储服务器(GFS chunk-server),是集群,存储文件;
画外音:角色简单,但反映的架构理念不简单。
为什么要设计单点master?
单点master意味着有一个节点可以避免分布式锁,可以拥有全局视野,能够统一调度与监控,系统整体复杂度降低很多。
画外音:锁可以降级成本地锁,分布式调度可以降级为单点调度。
更具体的:
(1) master拥有所有文件目录结构,要操作某个文件,必须获得相应的锁;
画外音:一般情况下,不会对同一个网页进行并发写操作,应用场景决定锁冲突其实不大;
(2) master拥有全局视野,能够避免死锁;
(3) master知道chunk-server的信息,能够很容易的做chunk-server监控,负载均衡;
(4) master知道所有文件的副本分布信息,能够很容易的做文件大小的负载均衡;
画外音:负载均衡分为请求量的均衡,文件存储的容量均衡。
GFS的高可用是怎么保证的?
高可用又分为服务高可用,文件存储高可用,均通过“冗余+自动故障转移”的思路是实现。
(1) master高可用:冗余了一台影子master,平时不工作,master挂了工作,以保证master的高可用;
画外音:master资源利用率只有50%。
(2) chunk-server高可用:本身是集群,冗余服务;
画外音:当有chunk-server挂掉,master能检测到,并且知道哪些文件存储在chunk-server上,就可以启动新的实例,并复制相关文件。
(3) 文件存储高可用:每一份文件会存三份,冗余文件;
GFS的高性能是怎么保证的?
多个chunk-server可以通过线性扩展提升处理能力和存储空间,GFS的潜在瓶颈是单点master,所以GFS要想达到超高性能,主要架构优化思路在于,“提升master性能,减少与master交互”。
(1) 只存储元数据,不存储文件数据,不让磁盘容量成为master瓶颈;
(2) 元数据会存储在磁盘和内存里,不让磁盘IO成为master瓶颈;
(3) 元数据大小内存完全能装得下,不让内存容量成为master瓶颈;
(4) 所有数据流,数据缓存,都不走master,不让带宽成为master瓶颈;
(5) 元数据可以缓存在客户端,每次从客户端本地缓存访问元数据,只有元数据不准确的时候,才会访问master,不让CPU成为成为master瓶颈;
当然,chunk-server虽然有多个,也会通过一些手段提升chunk-server的性能,例如:
(1) 文件块使用64M,避免太多碎片降低性能;
(2) 使用追加写,而不是随机写,提升性能;
(3) 使用TCP长连接,提升性能;
GFS如何保证系统可靠性?
保证元数据与文件数据的可靠性,GFS使用了很多非常经典的手段。
(1) 元数据的变更,会先写日志,以确保不会丢失;
画外音:日志也会冗余,具备高可用。
(2) master会轮询探测chunk-server的存活性,保证有chunk-server失效时,chunk-server的状态是准确的;
画外音:文件会存多份,短时间内chunk-server挂掉是不影响的。
(3) 元数据的修改是原子的,由master控制,master必须保证元数据修改的顺序性;
(4) 文件的正确性,通过checksum保证;
(5) 监控,快速发现问题;
读操作的核心流程?
文件读取是最高频的操作。
(1) client读本地缓存,看文件在哪些chunk-server上;
(2) 如果client本地缓存miss,询问master文件所在位置,并更新本地缓存;
(3) 从一个chunk-server里读文件,如果读取到,就返回;
写操作的核心流程?
写操作会复杂很多。
为了保证数据高可用,数据必须在多个chunk-server上写入多个副本,首先要解决的问题是,如何保证多个chunk-server上的数据是一致的呢?
想想一个MySQL集群的多个MySQL实例,是如何保证多个实例的数据一致性的。bingo!确定一个主实例,串行化所有写操作,然后在其他实例重放相同的操作序列,以保证多个实例数据的一致性。
GFS也采用了类似的策略,一个文件冗余3份,存在3个chunk-server上,如下图步骤1-7:
(1) client访问master,要发起文件写操作;
画外音:假设client本地缓存未生效;
(2) master返回数据存储在ABC三个实例上,并且告之其中一个实例是主chunk-server;
(3) client将数据流传递给所有chunk-server;
(4) client将控制流产地给主chunk-server;
(5) 主chunk-server进行本地操作串行化,并将序列化后的命令发送给其他chunk-server;
(6) 其他chunk-server按照相同的控制流对数据进行操作,并将结果告诉主chunk-server;
(7) 主chunk-server收到其他所有chunk-server的成果执行结果后,将结果返回client;
画外音:MySQL的主库是写瓶颈,GFS不会出现这样的问题,每个文件的主chunk-server是不同的,所以每个实例的写请求也是均衡的。
这里需要说明的是,GFS对于写操作,执行的是最保守的策略,必须所有chunk写成功,才会返回client写成功(写吞吐会降低);这样的好处是,读操作只要一个chunk读取成功,就能返回读成功(读吞吐会提升)。
画外音:这也符合R+W>N的定理,N=3份副本,W=3写3个副本才算成功,R=1读1个副本就算成功。R+W>N定理未来再详述。
之所以这么设计,和文件操作“读多写少”的特性有关的,Google抓取的网页,更新较少,读取较多,这也是一个设计折衷的典型。
画外音:任何脱离业务的架构设计都是耍流氓。
除此之外,这里还有一个“数据流与控制流分离”的设计准则:
(1) 控制流数据量小,client直接与主chunk-server交互;
(2) 数据流数据量大,client选择“最近的路径”发送数据;
画外音:所谓“最近”,可以通过IP的相似度计算得到。
总结
GFS的架构,体现了很多经典的设计实践:
简化系统角色,单点master降低系统复杂度
不管是文件还是服务,均通过“冗余+故障自动转移”保证高可用
由于存在单点master,GFS将“降低与单点master的交互”作为性能优化核心
通过写日志,原子修改,checksum,快速监控快速恢复等方式保证可靠性与完整性
通过串行化保证多个副本数据的一致性
控制流与数据流分离,提高性能
画外音:GFS还有一些优化细节也挺有意思,文章未能穷尽。
架构师之路-分享可落地的技术文章