40 - 互联网架构模板：“存储层”技术.docx

《40 - 互联网架构模板：“存储层”技术.docx》由会员分享，可在线阅读，更多相关《40 - 互联网架构模板：“存储层”技术.docx（7页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、40 | 互联网架构模板：“存储层”技术 许多人对于 BAT 的技术有一种莫名的崇拜感，觉得只有天才才能做出这样的系统，但经过前面对架构的本质、架构的设计原则、架构的设计模式、架构演进等多方位的探讨和阐述，你可以看到，其实并没有什么神奇的力气和魔力融合在技术里面，而是业务的不断发展推动了技术的发展，这样一步一个脚印，持续几年甚至十几年的发展，才能达到当前技术困难度和先进性。 抛开 BAT 各自差异很大的业务，站在技术的角度来看，其实 BAT 的技术架构基本是一样的。再将视角放大，你会发觉整个互联网行业的技术发展，最终都是殊途同归。 假如你正处于一个创业公司，或者正在为成为另一个 BAT 拼搏，

2、那么深化理解这种技术模式（或者叫技术结构、技术架构），对于自己和公司的发展都大有裨益。 互联网的标准技术架构如下图所示，这张图基本上涵盖了互联网技术公司的大部分技术点，不同的公司只是在详细的技术实现上稍有差异，但不会跳出这个框架的范畴。 从本期起先，我将逐层介绍每个技术点的产生背景、应用场景、关键技术，有的技术点可能已经在前面的架构模式部分有所涉及，因此就不再具体绽开技术细微环节了，而是将关键技术点分门别类，进而形成一张架构大图，让架构师对一个公司的整体技术架构有一个完整的全貌认知。 今日我们首先来聊聊互联网架构模板的存储层技术。 SQL SQL 即我们通常所说的关系数据。前几年 NoSQL

3、火了一阵子，许多人都理解为 NoSQL 是完全抛弃关系数据，全部采纳非关系型数据。但经过几年的试验后，大家发觉关系数据不行能完全被抛弃，NoSQL 不是 No SQL，而是 Not Only SQL，即 NoSQL 是 SQL 的补充。 所以互联网行业也必需依靠关系数据，考虑到 Oracle 太贵，还须要专人维护，一般状况下互联网行业都是用 MySQL、PostgreSQL 这类开源数据库。这类数据库的特点是开源，拿来就用；但缺点是性能相比商业数据库要差一些。随着互联网业务的发展，性能要求越来越高，必定要面对一个问题：将数据拆分到多个数据库实例才能满意业务的性能需求（其实 Oracle 也一样

4、，只是时间早晚的问题）。 数据库拆分满意了性能的要求，但带来了困难度的问题：数据如何拆分、数据如何组合？这个困难度的问题解决起来并不简单，假如每个业务都去实现一遍，重复造轮子将导致投入奢侈、效率降低，业务开发想快都快不起来。 所以互联网公司流行的做法是业务发展到肯定阶段后，就会将这部分功能独立成中间件，例如百度的 DBProxy、淘宝的 TDDL。不过这部分的技术要求很高，将分库分表做到自动化和平台化，不是一件简单的事情，所以一般是规模很大的公司才会自己做。中小公司建议运用开源方案，例如 MySQL 官方举荐的 MySQL Router、360 开源的数据库中间件 Atlas。 假如公司业务接

5、着发展，规模接着扩大，SQL 服务器越来越多，假如每个业务都基于统一的数据库中间件独立部署自己的 SQL 集群，就会导致新的困难度问题，详细表现在： 数据库资源运用率不高，比较奢侈。 各 SQL 集群分开维护，投入的维护成本越来越高。 因此，实力雄厚的大公司此时一般都会在 SQL 集群上构建 SQL 存储平台，以对业务透亮的形式供应资源安排、数据备份、迁移、容灾、读写分别、分库分表等一系列服务，例如淘宝的 UMP（Unified MySQL Platform）系统。 NoSQL 首先 NoSQL 在数据结构上与传统的 SQL 的不同，例如典型的 Memcache 的 key-value 结构、

6、Redis 的困难数据结构、MongoDB 的文档数据结构；其次，NoSQL 无一例外地都会将性能作为自己的一大卖点。NoSQL 的这两个特点很好地弥补了关系数据库的不足，因此在互联网行业 NoSQL 的应用基本上是基础要求。 由于 NoSQL 方案一般自己本身就供应集群的功能，例如 Memcache 的一样性 Hash 集群、Redis 3.0 的集群，因此 NoSQL 在刚起先应用时很便利，不像 SQL 分库分表那么困难。一般公司也不会在起先时就考虑将 NoSQL 包装成存储平台，但假如公司发展很快，例如 Memcache 的节点有上千甚至几千时，NoSQL 存储平台就很有意义了。首先是存

7、储平台通过集中管理能够大大提升运维效率；其次是存储平台可以大大提升资源利用效率，2000 台机器，假如利用率能提升 10%，就可以削减 200 台机器，一年几十万元就节约出来了。 所以，NoSQL 发展到肯定规模后，通常都会在 NoSQL 集群的基础之上再实现统一存储平台，统一存储平台主要实现这几个功能： 资源动态按需动态安排：例犹如一台 Memcache 服务器，可以依据内存利用率，安排给多个业务运用。 资源自动化管理：例如新业务只须要申请多少 Memcache 缓存空间就可以了，无需关注详细是哪些 Memcache 服务器在为自己供应服务。 故障自动化处理：例如某台 Memcache 服务

8、器挂掉后，有另外一台备份 Memcache 服务器能立即接管缓存恳求，不会导致丢失许多缓存数据。 当然要发展到这个阶段，一般也是大公司才会这么做，简洁来说就是假如只有几十台 NoSQL 服务器，做存储平台收益不大；但假如有几千台 NoSQL 服务器，NoSQL 存储平台就能够产生很大的收益。 小文件存储 除了关系型的业务数据，互联网行业还有许多用于展示的数据。例如，淘宝的商品图片、商品描述；Facebook 的用户图片；新浪微博的一条微博内容等。这些数据具有三个典型特征：一是数据小，一般在 1MB 以下；二是数量巨大，Facebook 在 2023 年每天上传的照片就达到了 3.5 亿张；三是

9、访问量巨大，Facebook 每天的访问量超过 10 亿。 由于互联网行业基本上每个业务都会有大量的小数据，假如每个业务都自己去考虑如何设计海量存储和海量访问，效率自然会低，重复造轮子也会投入奢侈，所以自然而然就要将小文件存储做成统一的和业务无关的平台。 和 SQL 和 NoSQL 不同的是，小文件存储不肯定须要公司或者业务规模很大，基本上认为业务在起步阶段就可以考虑做小文件统一存储。得益于开源运动的发展和最近几年大数据的火爆，在开源方案的基础上封装一个小文件存储平台并不是太难的事情。例如，HBase、Hadoop、Hypertable、FastDFS 等都可以作为小文件存储的底层平台，只须要

10、将这些开源方案再包装一下基本上就可以用了。 典型的小文件存储有：淘宝的 TFS、京东 JFS、Facebook 的 Haystack。 下图是淘宝 TFS 的架构： （http:/code.taobao.org/p/tfs/file/305/structure.png） 大文件存储 互联网行业的大文件主要分为两类：一类是业务上的大数据，例如 Youtube 的视频、电影网站的电影；另一类是海量的日志数据，例如各种访问日志、操作日志、用户轨迹日志等。和小文件的特点正好相反，大文件的数量没有小文件那么多，但每个文件都很大，几百 MB、几个 GB 都是常见的，几十 GB、几 TB 也是有可能的，因此

11、在存储上和小文件有较大差别，不能干脆将小文件存储系统拿来存储大文件。 说到大文件，特殊要提到 Google 和 Yahoo，Google 的 3 篇大数据论文（Bigtable/Map- Reduce/GFS）开启了一个大数据的时代，而 Yahoo 开源的 Hadoop 系列（HDFS、HBase 等），基本上垄断了开源界的大数据处理。当然，江山代有才人出，长江后浪推前浪，Hadoop 后又有更多优秀的开源方案被贡献出来，现在随意走到大街上拉住一个程序员，假如他不知道大数据，那基本上可以确定是火星程序员。 比照 Google 的论文构建一套完整的大数据处理方案的难度和成本实在太高，而且开源方案

12、现在也很成熟了，所以大数据存储和处理这块反而是最简洁的，因为你没有太多选择，只能用这几个流行的开源方案，例如，Hadoop、HBase、Storm、Hive 等。实力雄厚一些的大公司会基于这些开源方案，结合自己的业务特点，封装成大数据平台，例如淘宝的云梯系统、腾讯的 TDW 系统。 下面是 Hadoop 的生态圈： （ 小结 今日我为你讲了互联网架构模板中的存储层技术，可以看到当公司规模发展到肯定阶段后，基本上都是基于某个开源方案搭建统一的存储平台，希望对你有所帮助。 这就是今日的全部内容，留一道思索题给你吧，既然存储技术发展到最终都是存储平台，为何没有出现存储平台的开源方案，但云计算却都供应了存储平台方案？ 欢迎你把答案写到留言区，和我一起探讨。信任经过深度思索的回答，也会让你对学问的理解更加深刻。（编辑乱入：精彩的留言有机会获得丰厚福利哦！）