人人网UGC海量存储系统Nuclear介绍

转kuqin网上一篇介绍人人网实现海量存储的文章，人人网构建了自己的存储系统Nuclear，先简单列列感想。



又一个使用java构建的分布式的key-value存储系统，在设计思想上严重受到GFS的影响。

在存在中心管理节点的情况下，怀疑其提到的“无限扩展性”，夸张了；

不过通过一致性hash算法来确定key对应的value会落到哪个存储节点上，使得中心节点对存储节点的信息知晓最少，集群规模可以大大扩展；

在添加、删除节点时，通过分区管理模块迁移数据来踢除“脏数据”；确保数据正确性。

感慨构建在java之上的分布式存储系统越来越多了... ...

人人网UGC海量存储系统Nuclear介绍

书曰：工欲善其事，必先利其器。人人网作为国内第一大SNS网站，欲存海量UGC数据，必有海量存储系统。Nuclear存储系统在高性能、高可靠、可扩展的海量数据存储
需求下横空出世，待小的给列位看官慢慢道来。

缘由篇

看过《人人网使用的开源软件列表
》一文的看官一定知道人人网的关系型数据库使用的是MySQL，Key-Value存储使用的是Tokyo Cabinet
，
话说战斗在第一线的UGC
Team的兄弟们发现，MySQL虽然已经被我们用上了散库、散表大法，但是每次数据达到服务器负载临界值时，必然得经过一番迁移数据的剧痛；使用TC也
会存在这个问题，且TC只在某些特定的应用场景起作用。于是乎，我们开始需找能满足高性能、高可靠、可扩展等特性，同时能符合UGC应用场景的存储系统，
下表列出我们的考察对象及需求。



TC在使用过程中发现单独使用TC会在某些时间点出现性能瓶颈；Voldemort
目前的版本对扩展性支持不好；且Voldemort和Casscandra
作为一个正在快速开发中的系统，我们尚未有勇气把它引入到生产环境中。追溯到Amazon的Dynamo
系统，我们决定在其思想上开发自己的存储系统，Nuclear就是在这样的背景下诞生的。言归正传，给各位道来功能篇及应用篇。

功能篇

高可扩展

一个Nuclear集群支持1到n(n<264
)个节点(Node)的规模，每台服务器(Server)支持部署多个节点。当集群资源达到瓶颈时，可以通过增加新的节点来扩展。增加新节点的过程，系统服务无需停止，无需人工干预迁移数据。Nuclear理论上可以无限Scale-Out
。

高可靠

单个节点的crash永远对系统的运行造成影响，不存在单点风险。数据的写入参考Dynamo

的W+R>N理论，简释之，例如设置系统每一份数据都存储在3个节点上(N=3)，那么读的话必须成功读到两个节点上的数据才认为读成功 (R=2)，写的话必须成功写到两个节点上才认为写成功( W=2)。系统永远可写入(Hinted HandOff)。

高性能

在Xeon E5405 CPU的服务器上，单节点每秒最高2.5w req/s。整个集群的性能取决于一致性级别、N、W、R数及底层存储引擎的选择。例举我们的一个测试数据：

节点数量：4 Node (Server配置： Xeon E5405，16G memory，千兆网卡)

存储引擎：Mysql5.0.45

参数：N=3 W=2 R=2

压力：100 Client Write Request

测试结果：单个Node 15862 req/s，从Client看平均单次请求耗时5ms(见图)， 99.51% 请求耗时 < 50ms

存储

Nuclear本身的数据存储是基于Key-Value形式的，value的形式可以是富数据模型，也可以是List；如果底层的存储引擎是关系型的，那么Nuclear还提供弱结构化的查询功能。下面是Nuclear目前及计划中支持的存储引擎。



*Cassandra我们只使用其底层的存储引擎

应用篇

Nuclear组件介绍

普通节点(Node)


普通节点的职责是接收并处理来自Client的请求，管理该节点上的存储引擎。

中心节点(Seed)


中心节点维护着整个Nuclear集群的拓扑关系(membership)，它熟知每一个节点负责的数据区域。它定时对所有节点进行健康检测，因此熟知每一个节点当前的状态及负责的数据区域。

客户端(Nuclear Client)


提供简单有效的CRUD API。详情如下：

Get

@param key<String>

@param dataID<Long>

@param consistencyLevel

@return ByteString

List

@param key<String>

@param Condition<?>

@param consistencyLevel

@return List<ByteString>

Put

@param key<String>

@param dataID<Long>

@param value<ByteString>

@param consistencyLevel

Replace

同 Put

dataID可选

Delete

@param key<String>

@param dataID<Long>

@param consistencyLevel

NextDataID

@reutrn dataID<Long>

参数详解：

@param dataID<Long> dataID

每一条数据在Nuclear集群中的唯一标示，由系统提供。使用DataID而不是Key作为数据的唯一标示的目的是为了满足Key->List的需求。

@param consistencyLevel

一致性级别，Nuclear系统提供一致性级别选择如下：

DISCARD 请求发送至Node后即可，无需认为是否成功(List,Get不支持此级别)

MIN 至少成功请求一个Node

QUORUM 严格按照N+W>R理论

DISCARDQUORUM 按照N+W>R理论，但允许Hinted HandOff

ALL成功请求的节点数必须是N@param value<ByteString>

Nuclear系统存储的数据使用Google的protocol buffers
协议，因此存入和取出的数据都是google的 ByteString 类型
@param Condition

结构化数据的条件查询参数，目前仅支持MySQL引擎下按DataID检索、排序及分页

Code Example:

系统部署图

图释：每一个节点都会和其它的节点建立联系，但来自Client的请求只会落在普通节点上。

集群管理

Nuclear提供对节点的增、删、替换操作，面对使用者非常简单，只需要知晓仅有的几个命令即可。

增加
： sh node.sh new A

node.sh是node启动的脚本；new标示当前节点为新增；A标示新增的节点去分担现有的A节点的负载。

删除
: delete node A

进入Nuclear管理后台，执行该命令

替换
： sh node.sh replace A

后台管理
: sh manage.sh nodeip nodeport

目前提供如下功能点：

QPS查看

Node接收请求总数

Node处理请求耗时数据

节点信息查看

集群拓扑信息查看

动态更改节点工作线程数

原理篇

Nuclear系统构建于java之上，NIO组件使用Netty

，数据序列化使用google的Protocol Buffers

，Spring当然是用了的。下图是Nuclear系统内部的一个预览：



嗯……其实这张图对各位看官意义不大，只是罗列出了Nuclear中的各个组件及简单的层次关系。下面着重分析分区、节点增减、路由的原理。

分区

前
文讲到，我们是一个分布式的Key-Value存储系统，那么key对应的数据分布在什么节点上，需要遵守一定的规则。熟悉Memecached
Client的同学一定清楚一致性Hash的应用，没错，Hash Ring就是我们的不二选择。在Nuclear中，数据分布在0~264
的Hash Ring上，Nuclear集群初始化的时候，根据节点数均分整个Hash Ring。如下图所示：





在N=3时，A,B,C三个节点的配置就是系统需要的最少节点了。Nuclear中，顺时针的开始值和结束值确定一个分区管理的数据范围，同时规定分区的范围左开右闭。因此，如上图，我们记录A,B,C分别管理的分区范围是：

A {[c,a],[b, c],[a,b]}

B {[a,b],[c,a],[b,c]}

C {[b,c],[a,b],[c,a]}

可以看出，A处理管理自己的分区数据外，还会把自己管理的数据顺时针往前复制到2
(N-1)
个节点中。

节点变更

Nuclear
增加节点时需要制定目标节点的名称，即增加的节点是用来分担目标节点的负载的。这点不同于Dynamo的分区策略，节点增加的时候会均衡的从现有的节点窃
取分区，Nuclear中增加的节点只会影响到邻近的三个节点。加入我们在上面的例子中增加一个新节点N后分区图如下所示：



记录N,A,B,C管理的分区如下：

N {[c,n],[b,c],[a,b]}

A {[n,a],[c,n],[b,c]}

B {[a,b],[n,a],[c,n]}

C {[b,c],[a,b],[n,a]}

Nuclear的分区管理模块将自动的计算出需要同步到N上的数据:

A [a,b] => N

B [b,c] => N

C [c,n] => N

各位看官不难明白，其实就是把A,B,C不再需要的数据挪给新的节点了。删、替换节点原理大同小异，不再冗述。

路由

Nuclear
提供服务器端路由策略，Client的请求随机落在Node节点上，由接收到请求的节点处理后续的逻辑。相对于Client端路由来说，优点是
Client无需知道Nuclear集群元数据，易于维护；缺点是会造成一定程度的延时，不过我们的测试结果显示延时在可接受范围之内。

两个设计上的Tips贡献给大家:

1. 万事皆异步

我们在编码的过程中走了一些弯路，同步的操作在高并发的情况下带来的性能下降是非常恐怖的，于是乎，Nuclear系统中任何的高并发操作都消除了Block。no waiting, no delay。

2. 根据系统负载控制后台线程的资源占用

Nuclear系统中有不少的后台线程默默无闻的做着各种辛苦的工作，但是它们同样会占用系统资源，我们的解决方案是根据系统负载动态调整线程的运行和停止，并达到平衡。

展望篇

Nuclear中计划在不远的将来(不远有多远?)实现如下功能：

Eventually Consistent 最终的一致性问题，在保重数据完整性上至关重要。

Async Store 异步数据库存储，各位可以参考：adbcj
, async-mysql-connector


Read Cache

Balance Monitor 建立集群的负载监控体系，在新节点加入的时候可以自动去平衡负载最高的节点。

全文完^_^，谢谢各位的捧场，同时有任何好的建议欢迎提出！

参考资料：

Amazon’s Dynamo

http://www.allthingsdistributed.com/2007/10/amazons_dynamo.html


Cassandra

http://incubator.apache.org/cassandra/


Voldemort

http://project-voldemort.com/

转载地址：http://www.kuqin.com/system-analysis/20100205/79192.html