一、概述

分布式文件系統(tǒng)是分布式領(lǐng)域的一個(gè)基礎(chǔ)應(yīng)用，其中最著名的毫無疑問是 HDFS/GFS。如今該領(lǐng)域已經(jīng)趨向于成熟，但了解它的設(shè)計(jì)要點(diǎn)和思想，對(duì)我們將來面臨類似場(chǎng)景 / 問題時(shí)，具有借鑒意義。并且，分布式文件系統(tǒng)并非只有 HDFS/GFS 這一種形態(tài)，在它之外，還有其他形態(tài)各異、各有千秋的產(chǎn)品形態(tài)，對(duì)它們的了解，也對(duì)擴(kuò)展我們的視野有所俾益。本文試圖分析和思考，在分布式文件系統(tǒng)領(lǐng)域，我們要解決哪些問題、有些什么樣的方案、以及各自的選擇依據(jù)。

[[242360]]

二、過去的樣子

在幾十年以前，分布式文件系統(tǒng)就已經(jīng)出現(xiàn)了，以 Sun 在 1984 年開發(fā)的“Network File System (NFS)”為代表，那時(shí)候解決的主要問題，是網(wǎng)絡(luò)形態(tài)的磁盤，把磁盤從主機(jī)中獨(dú)立出來。這樣不僅可以獲得更大的容量，而且還可以隨時(shí)切換主機(jī)，還可以實(shí)現(xiàn)數(shù)據(jù)共享、備份、容災(zāi)等，因?yàn)閿?shù)據(jù)是電腦中最重要的資產(chǎn)。NFS 的數(shù)據(jù)通信圖如下。

部署在主機(jī)上的客戶端，通過 TCP/IP 協(xié)議把文件命令轉(zhuǎn)發(fā)到遠(yuǎn)程文件 Server 上執(zhí)行，整個(gè)過程對(duì)主機(jī)用戶透明。

到了互聯(lián)網(wǎng)時(shí)代，流量和數(shù)據(jù)快速增長(zhǎng)，分布式文件系統(tǒng)所要解決的主要場(chǎng)景變了，開始需要非常大的磁盤空間，這在磁盤體系上垂直擴(kuò)容是無法達(dá)到的，必須要分布式，同時(shí)分布式架構(gòu)下，主機(jī)都是可靠性不是非常好的普通服務(wù)器，因此容錯(cuò)、高可用、持久化、伸縮性等指標(biāo)，就成為必須要考量的特性。

三、對(duì)分布式文件系統(tǒng)的要求

對(duì)一個(gè)分布式文件系統(tǒng)而言，有一些特性是必須要滿足的，否則就無法有競(jìng)爭(zhēng)力。主要如下：

• 應(yīng)該符合 POSIX 的文件接口標(biāo)準(zhǔn)，使該系統(tǒng)易于使用，同時(shí)對(duì)于用戶的遺留系統(tǒng)也無需改造；
• 對(duì)用戶透明，能夠像使用本地文件系統(tǒng)那樣直接使用；
• 持久化，保證數(shù)據(jù)不會(huì)丟失；
• 具有伸縮性，當(dāng)數(shù)據(jù)壓力逐漸增長(zhǎng)時(shí)能順利擴(kuò)容；
• 具有可靠的安全機(jī)制，保證數(shù)據(jù)安全；
• 數(shù)據(jù)一致性，只要文件內(nèi)容不發(fā)生變化，什么時(shí)候去讀，得到的內(nèi)容應(yīng)該都是一樣的。

還有些特性，是加分項(xiàng)：

• 支持的空間越大越好；
• 支持的并發(fā)訪問請(qǐng)求越多越好；
• 性能越快越好；
• 硬件資源的利用率越高越合理，就越好。

四、架構(gòu)模型

從業(yè)務(wù)模型和邏輯架構(gòu)上，分布式文件系統(tǒng)需要這幾類組件：

• 存儲(chǔ)組件：負(fù)責(zé)存儲(chǔ)文件數(shù)據(jù)，它要保證文件的持久化、副本間數(shù)據(jù)一致、數(shù)據(jù)塊的分配 / 合并等等；
• 管理組件：負(fù)責(zé) meta 信息，即文件數(shù)據(jù)的元信息，包括文件存放在哪臺(tái)服務(wù)器上、文件大小、權(quán)限等，除此之外，還要負(fù)責(zé)對(duì)存儲(chǔ)組件的管理，包括存儲(chǔ)組件所在的服務(wù)器是否正常存活、是否需要數(shù)據(jù)遷移等；
• 接口組件：提供接口服務(wù)給應(yīng)用使用，形態(tài)包括 SDK(Java/C/C++ 等)、CLI 命令行終端、以及支持 FUSE 掛載機(jī)制。

而在部署架構(gòu)上，有著“中心化”和“無中心化”兩種路線分歧，即是否把“管理組件”作為分布式文件系統(tǒng)的中心管理節(jié)點(diǎn)。兩種路線都有很優(yōu)秀的產(chǎn)品，下面分別介紹它們的區(qū)別。

有中心節(jié)點(diǎn)

以 GFS 為代表，中心節(jié)點(diǎn)負(fù)責(zé)文件定位、維護(hù)文件 meta 信息、故障檢測(cè)、數(shù)據(jù)遷移等管理控制的職能，下圖是 GFS 的架構(gòu)圖。

該圖中 GFS master 即為 GFS 的中心節(jié)點(diǎn)，GF chunkserver 為 GFS 的存儲(chǔ)節(jié)點(diǎn)。其操作路徑如下：

• Client 向中心節(jié)點(diǎn)請(qǐng)求“查詢某個(gè)文件的某部分?jǐn)?shù)據(jù)”；
• 中心節(jié)點(diǎn)返回文件所在的位置 (哪臺(tái) chunkserver 上的哪個(gè)文件) 以及字節(jié)區(qū)間信息；
• Client 根據(jù)中心節(jié)點(diǎn)返回的信息，向?qū)?yīng)的 chunk server 直接發(fā)送數(shù)據(jù)讀取的請(qǐng)求；
• chunk server 返回?cái)?shù)據(jù)。

在這種方案里，一般中心節(jié)點(diǎn)并不參與真正的數(shù)據(jù)讀寫，而是將文件 meta 信息返回給 Client 之后，即由 Client 與數(shù)據(jù)節(jié)點(diǎn)直接通信。其主要目的是降低中心節(jié)點(diǎn)的負(fù)載，防止其成為瓶頸。這種有中心節(jié)點(diǎn)的方案，在各種存儲(chǔ)類系統(tǒng)中得到了廣泛應(yīng)用，因?yàn)橹行墓?jié)點(diǎn)易控制、功能強(qiáng)大。

無中心節(jié)點(diǎn)

以 ceph 為代表，每個(gè)節(jié)點(diǎn)都是自治的、自管理的，整個(gè) ceph 集群只包含一類節(jié)點(diǎn)，如下圖 (最下層紅色的 RADOS 就是 ceph 定義的“同時(shí)包含 meta 數(shù)據(jù)和文件數(shù)據(jù)”的節(jié)點(diǎn))。

A [Ceph Node] leverages commodity hardware and intelligent daemons, and a [Ceph Storage Cluster] accommodates large numbers of nodes, which communicate with each other to replicate and redistribute data dynamically. Ceph provides an infinitely scalable [Ceph Storage Cluster] based upon RADOS

無中心化的最大優(yōu)點(diǎn)是解決了中心節(jié)點(diǎn)自身的瓶頸，這也就是 ceph 號(hào)稱可以無限向上擴(kuò)容的原因。但由 Client 直接和 Server 通信，那么 Client 必須要知道，當(dāng)對(duì)某個(gè)文件進(jìn)行操作時(shí)，它該訪問集群中的哪個(gè)節(jié)點(diǎn)。ceph 提供了一個(gè)很強(qiáng)大的原創(chuàng)算法來解決這個(gè)問題——CRUSH 算法。這個(gè)算法挺復(fù)雜的，有興趣的可以看看 @crush paper [1](要翻墻才能打開)

五、持久化

對(duì)于文件系統(tǒng)來說，持久化是根本，只要 Client 收到了 Server 保存成功的回應(yīng)之后，數(shù)據(jù)就不應(yīng)該丟失。這主要是通過多副本的方式來解決，但在分布式環(huán)境下，多副本有這幾個(gè)問題要面對(duì)。

• 如何保證每個(gè)副本的數(shù)據(jù)是一致的?
• 如何分散副本，以使災(zāi)難發(fā)生時(shí)，不至于所有副本都被損壞?
• 怎么檢測(cè)被損壞或數(shù)據(jù)過期的副本，以及如何處理?
• 該返回哪個(gè)副本給 Client?

如何保證每個(gè)副本的數(shù)據(jù)是一致的

同步寫入是保證副本數(shù)據(jù)一致的最直接的辦法。當(dāng) Client 寫入一個(gè)文件的時(shí)候，Server 會(huì)等待所有副本都被成功寫入，再返回給 Client。

這種方式簡(jiǎn)單、有保障，唯一的缺陷就是性能會(huì)受到影響。假設(shè)有 3 個(gè)副本，如果每個(gè)副本需要 N 秒，則可能會(huì)阻塞 Client 3N 秒的時(shí)間，有幾種方式，可以對(duì)其進(jìn)行優(yōu)化：

• 并行寫：由一個(gè)副本作為主副本，并行發(fā)送數(shù)據(jù)給其他副本；
• 鏈?zhǔn)綄懀簬讉€(gè)副本組成一個(gè)鏈 (chain)，并不是等內(nèi)容都接受到了再往后傳播，而是像流一樣，邊接收上游傳遞過來的數(shù)據(jù)，一邊傳遞給下游。

還有一種方式是采用 CAP 中所說的 W+R>N 的方式，比如 3 副本 (N=3) 的情況，W＝2，R＝2，即成功寫入 2 個(gè)就認(rèn)為成功，讀的時(shí)候也要從 2 個(gè)副本中讀。這種方式通過犧牲一定的讀成本，來降低寫成本，同時(shí)增加寫入的可用性。這種方式在分布式文件系統(tǒng)中用地比較少。

如何分散副本，以使災(zāi)難發(fā)生時(shí)，不至于所有副本都被損壞

這主要避免的是某機(jī)房或某城市發(fā)生自然環(huán)境故障的情況，所以有一個(gè)副本應(yīng)該分配地比較遠(yuǎn)。它的副作用是會(huì)帶來這個(gè)副本的寫入性能可能會(huì)有一定的下降，因?yàn)樗x Client 最遠(yuǎn)。所以如果在物理?xiàng)l件上無法保證夠用的網(wǎng)絡(luò)帶寬的話，則讀寫副本的策略上需要做一定考慮。可以參考同步寫入只寫 2 副本、較遠(yuǎn)副本異步寫入的方式，同時(shí)為了保證一致性，讀取的時(shí)候又要注意一些，避免讀取到異步寫入副本的過時(shí)數(shù)據(jù)。

怎么檢測(cè)被損壞或數(shù)據(jù)過期的副本，以及如何處理

如果有中心節(jié)點(diǎn)，則數(shù)據(jù)節(jié)點(diǎn)定期和中心節(jié)點(diǎn)進(jìn)行通信，匯報(bào)自己的數(shù)據(jù)塊的相關(guān)信息，中心節(jié)點(diǎn)將其與自己維護(hù)的信息進(jìn)行對(duì)比。如果某個(gè)數(shù)據(jù)塊的 checksum 不對(duì)，則表明該數(shù)據(jù)塊被損壞了；如果某個(gè)數(shù)據(jù)塊的 version 不對(duì)，則表明該數(shù)據(jù)塊過期了。

如果沒有中心節(jié)點(diǎn)，以 ceph 為例，它在自己的節(jié)點(diǎn)集群中維護(hù)了一個(gè)比較小的 monitor 集群，數(shù)據(jù)節(jié)點(diǎn)向這個(gè) monitor 集群匯報(bào)自己的情況，由其來判定是否被損壞或過期。

當(dāng)發(fā)現(xiàn)被損壞或過期副本，將它從 meta 信息中移除，再重新創(chuàng)建一份新的副本就好了，移除的副本在隨后的回收機(jī)制中會(huì)被收回。

該返回哪個(gè)副本給 Client

這里的策略就比較多了，比如 round-robin、速度最快的節(jié)點(diǎn)、成功率最高的節(jié)點(diǎn)、CPU 資源最空閑的節(jié)點(diǎn)、甚至就固定選第一個(gè)作為主節(jié)點(diǎn)，也可以選擇離自己最近的一個(gè)，這樣對(duì)整體的操作完成時(shí)間會(huì)有一定節(jié)約。

六、伸縮性

存儲(chǔ)節(jié)點(diǎn)的伸縮

當(dāng)在集群中加入一臺(tái)新的存儲(chǔ)節(jié)點(diǎn)，則它主動(dòng)向中心節(jié)點(diǎn)注冊(cè)，提供自己的信息，當(dāng)后續(xù)有創(chuàng)建文件或者給已有文件增加數(shù)據(jù)塊的時(shí)候，中心節(jié)點(diǎn)就可以分配到這臺(tái)新節(jié)點(diǎn)了，比較簡(jiǎn)單。但有一些問題需要考慮。

• 如何盡量使各存儲(chǔ)節(jié)點(diǎn)的負(fù)載相對(duì)均衡?
• 怎樣保證新加入的節(jié)點(diǎn)，不會(huì)因短期負(fù)載壓力過大而崩塌?
• 如果需要數(shù)據(jù)遷移，那如何使其對(duì)業(yè)務(wù)層透明?

如何盡量使各存儲(chǔ)節(jié)點(diǎn)的負(fù)載相對(duì)均衡

首先要有評(píng)價(jià)存儲(chǔ)節(jié)點(diǎn)負(fù)載的指標(biāo)。有多種方式，可以從磁盤空間使用率考慮，也可以從磁盤使用率 +CPU 使用情況 + 網(wǎng)絡(luò)流量情況等做綜合判斷。一般來說，磁盤使用率是核心指標(biāo)。

其次在分配新空間的時(shí)候，優(yōu)先選擇資源使用率小的存儲(chǔ)節(jié)點(diǎn)；而對(duì)已存在的存儲(chǔ)節(jié)點(diǎn)，如果負(fù)載已經(jīng)過載、或者資源使用情況不均衡，則需要做數(shù)據(jù)遷移。

怎樣保證新加入的節(jié)點(diǎn)，不會(huì)因短期負(fù)載壓力過大而崩塌

當(dāng)系統(tǒng)發(fā)現(xiàn)當(dāng)前新加入了一臺(tái)存儲(chǔ)節(jié)點(diǎn)，顯然它的資源使用率是最低的，那么所有的寫流量都路由到這臺(tái)存儲(chǔ)節(jié)點(diǎn)來，那就可能造成這臺(tái)新節(jié)點(diǎn)短期負(fù)載過大。因此，在資源分配的時(shí)候，需要有預(yù)熱時(shí)間，在一個(gè)時(shí)間段內(nèi)，緩慢地將寫壓力路由過來，直到達(dá)成新的均衡。

如果需要數(shù)據(jù)遷移，那如何使其對(duì)業(yè)務(wù)層透明?

在有中心節(jié)點(diǎn)的情況下，這個(gè)工作比較好做，中心節(jié)點(diǎn)就包辦了——判斷哪臺(tái)存儲(chǔ)節(jié)點(diǎn)壓力較大，判斷把哪些文件遷移到何處，更新自己的 meta 信息，遷移過程中的寫入怎么辦，發(fā)生重命名怎么辦。無需上層應(yīng)用來處理。

如果沒有中心節(jié)點(diǎn)，那代價(jià)比較大，在系統(tǒng)的整體設(shè)計(jì)上，也是要考慮到這種情況，比如 ceph，它要采取邏輯位置和物理位置兩層結(jié)構(gòu)，對(duì) Client 暴露的是邏輯層 (pool 和 place group)，這個(gè)在遷移過程中是不變的，而下層物理層數(shù)據(jù)塊的移動(dòng)，只是邏輯層所引用的物理塊的地址發(fā)生了變化，在 Client 看來，邏輯塊的位置并不會(huì)發(fā)生改變。

中心節(jié)點(diǎn)的伸縮

如果有中心節(jié)點(diǎn)，還要考慮它的伸縮性。由于中心節(jié)點(diǎn)作為控制中心，是主從模式，那么在伸縮性上就受到比較大的限制，是有上限的，不能超過單臺(tái)物理機(jī)的規(guī)模。我們可以考慮各種手段，盡量地抬高這個(gè)上限。有幾種方式可以考慮：

• 以大數(shù)據(jù)塊的形式來存儲(chǔ)文件——比如 HDFS 的數(shù)據(jù)塊的大小是 64M，ceph 的的數(shù)據(jù)塊的大小是 4M，都遠(yuǎn)遠(yuǎn)超過單機(jī)文件系統(tǒng)的 4k。它的意義在于大幅減少 meta data 的數(shù)量，使中心節(jié)點(diǎn)的單機(jī)內(nèi)存就能夠支持足夠多的磁盤空間 meta 信息；
• 中心節(jié)點(diǎn)采取多級(jí)的方式——頂級(jí)中心節(jié)點(diǎn)只存儲(chǔ)目錄的 meta data，其指定某目錄的文件去哪臺(tái)次級(jí)總控節(jié)點(diǎn)去找，然后再通過該次級(jí)總控節(jié)點(diǎn)找到文件真正的存儲(chǔ)節(jié)點(diǎn)；
• 中心節(jié)點(diǎn)共享存儲(chǔ)設(shè)備——部署多臺(tái)中心節(jié)點(diǎn)，但它們共享同一個(gè)存儲(chǔ)外設(shè) / 數(shù)據(jù)庫(kù)，meta 信息都放在這里，中心節(jié)點(diǎn)自身是無狀態(tài)的。這種模式下，中心節(jié)點(diǎn)的請(qǐng)求處理能力大為增強(qiáng)，但性能會(huì)受一定影響。iRODS 就是采用這種方式。

七、高可用性

中心節(jié)點(diǎn)的高可用

中心節(jié)點(diǎn)的高可用，不僅要保證自身應(yīng)用的高可用，還得保證 meta data 的數(shù)據(jù)高可用。

meta data 的高可用主要是數(shù)據(jù)持久化，并且需要備份機(jī)制保證不丟。一般方法是增加一個(gè)從節(jié)點(diǎn)，主節(jié)點(diǎn)的數(shù)據(jù)實(shí)時(shí)同步到從節(jié)點(diǎn)上。也有采用共享磁盤，通過 raid1 的硬件資源來保障高可用。顯然增加從節(jié)點(diǎn)的主備方式更易于部署。

meta data 的數(shù)據(jù)持久化策略有以下幾種方式。

• 直接保存到存儲(chǔ)引擎上，一般是數(shù)據(jù)庫(kù)。直接以文件形式保存到磁盤上，也不是不可以，但因?yàn)?meta 信息是結(jié)構(gòu)化數(shù)據(jù)，這樣相當(dāng)于自己研發(fā)出一套小型數(shù)據(jù)庫(kù)來，復(fù)雜化了。
• 保存日志數(shù)據(jù)到磁盤文件 (類似 MySQL 的 binlog 或 Redis 的 aof)，系統(tǒng)啟動(dòng)時(shí)在內(nèi)存中重建成結(jié)果數(shù)據(jù)，提供服務(wù)。修改時(shí)先修改磁盤日志文件，然后更新內(nèi)存數(shù)據(jù)。這種方式簡(jiǎn)單易用。

當(dāng)前內(nèi)存服務(wù) + 日志文件持久化是主流方式。一是純內(nèi)存操作，效率很高，日志文件的寫也是順序?qū)懀欢遣灰蕾囃獠拷M件，獨(dú)立部署。

為了解決日志文件會(huì)隨著時(shí)間增長(zhǎng)越來越大的問題，以讓系統(tǒng)能以盡快啟動(dòng)和恢復(fù)，需要輔助以內(nèi)存快照的方式——定期將內(nèi)存 dump 保存，只保留在 dump 時(shí)刻之后的日志文件。這樣當(dāng)恢復(fù)時(shí)，從最新一次的內(nèi)存 dump 文件開始，找其對(duì)應(yīng)的 checkpoint 之后的日志文件開始重播。

存儲(chǔ)節(jié)點(diǎn)的高可用

在前面“持久化”章節(jié)，在保證數(shù)據(jù)副本不丟失的情況下，也就保證了其的高可用性。

八、性能優(yōu)化和緩存一致性

這些年隨著基礎(chǔ)設(shè)施的發(fā)展，局域網(wǎng)內(nèi)千兆甚至萬兆的帶寬已經(jīng)比較普遍，以萬兆計(jì)算，每秒傳輸大約 1250M 字節(jié)的數(shù)據(jù)，而 SATA 磁盤的讀寫速度這些年基本達(dá)到瓶頸，在 300-500M/s 附近，也就是純讀寫的話，網(wǎng)絡(luò)已經(jīng)超過了磁盤的能力，不再是瓶頸了，像 NAS 網(wǎng)絡(luò)磁盤這些年也開始普及起來。

但這并不代表，沒有必要對(duì)讀寫進(jìn)行優(yōu)化，畢竟網(wǎng)絡(luò)讀寫的速度還是遠(yuǎn)慢于內(nèi)存的讀寫。常見的優(yōu)化方法主要有：

• 內(nèi)存中緩存文件內(nèi)容；
• 預(yù)加載數(shù)據(jù)塊，以避免客戶端等待；
• 合并讀寫請(qǐng)求，也就是將單次請(qǐng)求做些積累，以批量方式發(fā)送給 Server 端。

緩存的使用在提高讀寫性能的同時(shí)，也會(huì)帶來數(shù)據(jù)不一致的問題：

• 會(huì)出現(xiàn)更新丟失的現(xiàn)象。當(dāng)多個(gè) Client 在一個(gè)時(shí)間段內(nèi)，先后寫入同一個(gè)文件時(shí)，先寫入的 Client 可能會(huì)丟失其寫入內(nèi)容，因?yàn)榭赡軙?huì)被后寫入的 Client 的內(nèi)容覆蓋掉；
• 數(shù)據(jù)可見性問題。Client 讀取的是自己的緩存，在其過期之前，如果別的 Client 更新了文件內(nèi)容，它是看不到的；也就是說，在同一時(shí)間，不同 Client 讀取同一個(gè)文件，內(nèi)容可能不一致。

這類問題有幾種方法：

• 文件只讀不改：一旦文件被 create 了，就只能讀不能修改。這樣 Client 端的緩存，就不存在不一致的問題；
• 通過鎖：用鎖的話還要考慮不同的粒度。寫的時(shí)候是否允許其他 Client 讀? 讀的時(shí)候是否允許其他 Client 寫? 這是在性能和一致性之間的權(quán)衡，作為文件系統(tǒng)來說，由于對(duì)業(yè)務(wù)并沒有約束性，所以要做出合理的權(quán)衡，比較困難，因此最好是提供不同粒度的鎖，由業(yè)務(wù)端來選擇。但這樣的副作用是，業(yè)務(wù)端的使用成本抬高了。

九、安全性

由于分布式文件存儲(chǔ)系統(tǒng)，肯定是一個(gè)多客戶端使用、多租戶的一個(gè)產(chǎn)品，而它又存儲(chǔ)了可能是很重要的信息，所以安全性是它的重要部分。

主流文件系統(tǒng)的權(quán)限模型有以下這么幾種。

• DAC: 全稱是 Discretionary Access Control，就是我們熟悉的 Unix 類權(quán)限框架，以 user-group-privilege 為三級(jí)體系，其中 user 就是 owner，group 包括 owner 所在 group 和非 owner 所在的 group、privilege 有 read、write 和 execute。這套體系主要是以 owner 為出發(fā)點(diǎn)，owner 允許誰對(duì)哪些文件具有什么樣的權(quán)限。
• MAC: 全稱是 Mandatory Access Control，它是從資源的機(jī)密程度來劃分。比如分為“普通”、“機(jī)密”、“絕密”這三層，每個(gè)用戶可能對(duì)應(yīng)不同的機(jī)密閱讀權(quán)限。這種權(quán)限體系起源于安全機(jī)構(gòu)或軍隊(duì)的系統(tǒng)中，會(huì)比較常見。它的權(quán)限是由管理員來控制和設(shè)定的。Linux 中的 SELinux 就是 MAC 的一種實(shí)現(xiàn)，為了彌補(bǔ) DAC 的缺陷和安全風(fēng)險(xiǎn)而提供出來。關(guān)于 SELinux 所解決的問題可以參考 What is SELinux?
• RBAC: 全稱是 Role Based Access Control，是基于角色 (role) 建立的權(quán)限體系。角色擁有什么樣的資源權(quán)限，用戶歸到哪個(gè)角色，這對(duì)應(yīng)企業(yè) / 公司的組織機(jī)構(gòu)非常合適。RBAC 也可以具體化，就演變成 DAC 或 MAC 的權(quán)限模型。

市面上的分布式文件系統(tǒng)有不同的選擇，像 ceph 就提供了類似 DAC 但又略有區(qū)別的權(quán)限體系，Hadoop 自身就是依賴于操作系統(tǒng)的權(quán)限框架，同時(shí)其生態(tài)圈內(nèi)有 Apache Sentry 提供了基于 RBAC 的權(quán)限體系來做補(bǔ)充。

十、其他

空間分配

有連續(xù)空間和鏈表空間兩種。連續(xù)空間的優(yōu)勢(shì)是讀寫快，按順序即可，劣勢(shì)是造成磁盤碎片，更麻煩的是，隨著連續(xù)的大塊磁盤空間被分配滿而必須尋找空洞時(shí)，連續(xù)分配需要提前知道待寫入文件的大小，以便找到合適大小的空間，而待寫入文件的大小，往往又是無法提前知道的 (比如可編輯的 word 文檔，它的內(nèi)容可以隨時(shí)增大)；

而鏈表空間的優(yōu)勢(shì)是磁盤碎片很少，劣勢(shì)是讀寫很慢，尤其是隨機(jī)讀，要從鏈表首個(gè)文件塊一個(gè)一個(gè)地往下找。為了解決這個(gè)問題，出現(xiàn)了索引表——把文件和數(shù)據(jù)塊的對(duì)應(yīng)關(guān)系也保存一份，存在索引節(jié)點(diǎn)中 (一般稱為 i 節(jié)點(diǎn))，操作系統(tǒng)會(huì)將 i 節(jié)點(diǎn)加載到內(nèi)存，從而程序隨機(jī)尋找數(shù)據(jù)塊時(shí)，在內(nèi)存中就可以完成了。通過這種方式來解決磁盤鏈表的劣勢(shì)，如果索引節(jié)點(diǎn)的內(nèi)容太大，導(dǎo)致內(nèi)存無法加載，還有可能形成多級(jí)索引結(jié)構(gòu)。

文件刪除

實(shí)時(shí)刪除還是延時(shí)刪除? 實(shí)時(shí)刪除的優(yōu)勢(shì)是可以快速釋放磁盤空間；延時(shí)刪除只是在刪除動(dòng)作執(zhí)行的時(shí)候，置個(gè)標(biāo)識(shí)位，后續(xù)在某個(gè)時(shí)間點(diǎn)再來批量刪除，它的優(yōu)勢(shì)是文件仍然可以階段性地保留，最大程度地避免了誤刪除，缺點(diǎn)是磁盤空間仍然被占著。在分布式文件系統(tǒng)中，磁盤空間都是比較充裕的資源，因此幾乎都采用邏輯刪除，以對(duì)數(shù)據(jù)可以進(jìn)行恢復(fù)，同時(shí)在一段時(shí)間之后 (可能是 2 天或 3 天，這參數(shù)一般都可配置)，再對(duì)被刪除的資源進(jìn)行回收。

怎么回收被刪除或無用的數(shù)據(jù)? 可以從文件的 meta 信息出發(fā)——如果 meta 信息的“文件 - 數(shù)據(jù)塊”映射表中包含了某個(gè)數(shù)據(jù)塊，則它就是有用的；如果不包含，則表明該數(shù)據(jù)塊已經(jīng)是無效的了。所以，刪除文件，其實(shí)是刪除 meta 中的“文件 - 數(shù)據(jù)塊”映射信息 (如果要保留一段時(shí)間，則是把這映射信息移到另外一個(gè)地方去)。

面向小文件的分布式文件系統(tǒng)

有很多這樣的場(chǎng)景，比如電商——那么多的商品圖片、個(gè)人頭像，比如社交網(wǎng)站——那么多的照片，它們具有的特性，可以簡(jiǎn)單歸納下：

• 每個(gè)文件都不大；
• 數(shù)量特別巨大；
• 讀多寫少；
• 不會(huì)修改。

針對(duì)這種業(yè)務(wù)場(chǎng)景，主流的實(shí)現(xiàn)方式是仍然是以大數(shù)據(jù)塊的形式存儲(chǔ)，小文件以邏輯存儲(chǔ)的方式存在，即文件 meta 信息記錄其是在哪個(gè)大數(shù)據(jù)塊上，以及在該數(shù)據(jù)塊上的 offset 和 length 是多少，形成一個(gè)邏輯上的獨(dú)立文件。這樣既復(fù)用了大數(shù)據(jù)塊系統(tǒng)的優(yōu)勢(shì)和技術(shù)積累，又減少了 meta 信息。

文件指紋和去重

文件指紋就是根據(jù)文件內(nèi)容，經(jīng)過算法，計(jì)算出文件的唯一標(biāo)識(shí)。如果兩個(gè)文件的指紋相同，則文件內(nèi)容相同。在使用網(wǎng)絡(luò)云盤的時(shí)候，發(fā)現(xiàn)有時(shí)候上傳文件非常地快，就是文件指紋發(fā)揮作用。云盤服務(wù)商通過判斷該文件的指紋，發(fā)現(xiàn)之前已經(jīng)有人上傳過了，則不需要真的上傳該文件，只要增加一個(gè)引用即可。在文件系統(tǒng)中，通過文件指紋可以用來去重、也可以用來判斷文件內(nèi)容是否損壞、或者對(duì)比文件副本內(nèi)容是否一致，是一個(gè)基礎(chǔ)組件。

文件指紋的算法也比較多，有熟悉的 md5、sha256、也有 google 專門針對(duì)文本領(lǐng)域的 simhash 和 minhash 等。

十一、總結(jié)

分布式文件系統(tǒng)內(nèi)容龐雜，要考慮的問題遠(yuǎn)不止上面所說的這些，其具體實(shí)現(xiàn)也更為復(fù)雜。本文只是盡量從分布式文件系統(tǒng)所要考慮的問題出發(fā)，給予一個(gè)簡(jiǎn)要的分析和設(shè)計(jì)，如果將來遇到類似的場(chǎng)景需要解決，可以想到“有這種解決方案”，然后再來深入研究。

同時(shí)，市面上也是存在多種分布式文件系統(tǒng)的形態(tài)，下面就是有研究小組曾經(jīng)對(duì)常見的幾種分布式文件系統(tǒng)的設(shè)計(jì)比較。

幾種分布式文件系統(tǒng)的比較

從這里也可以看到，選擇其實(shí)很多，并不是 GFS 論文中的方式就是最好的。在不同的業(yè)務(wù)場(chǎng)景中，也可以有更多的選擇策略。

文中相關(guān)鏈接如下：

[1]https://ceph.com/wp-content/uploads/2016/08/weil-crush-sc06.pdf

作者介紹

張軻是杭州 TGO 分會(huì)的會(huì)員，目前任職于杭州大樹網(wǎng)絡(luò)技術(shù)有限公司，擔(dān)任首席架構(gòu)師，負(fù)責(zé)系統(tǒng)整體業(yè)務(wù)架構(gòu)以及基礎(chǔ)架構(gòu)，熟悉微服務(wù)、分布式設(shè)計(jì)、中間件領(lǐng)域，對(duì)運(yùn)維、測(cè)試、敏捷開發(fā)等相關(guān)領(lǐng)域也有所涉獵。