背景
在2003,2004,2006年谷歌发布的三篇论文奠定了大数据技术的核心理念,它们分别是:GFS、MapReduce、Bigtable。可以说,谷歌是大数据领域的普罗米修斯。经过10多年的蓬勃发展,大数据领域的技术在如今已经发展的比较成熟了,但随着生成式AI技术的火爆,大数据和AI的融合肯定也会继续加速发展。
GFS、MapReduce、Bigtable又被称为“三驾马车”,是大数据之路的敲门砖,值得每个大数据从业人员了解和学习。对比传统的数据处理技术大数据技术有三个特点:伸缩运行在1000+的分布式集群上而不是几十个,使用廉价的硬件设备而不是昂贵的,数据开发者容易使用而不需要处理分布式相关问题。
存储:GFS
核心功能
- 分布式文件系统存储
- 当我们操作一个GFS文件时,实际上存在哪个服务器上?我们的客户端具体怎么读到这个文件的?
整个GFS中有两种服务器,一种是master,即主控节点;一种是chunkserver,即实际存储数据的节点。在GFS中,会把每个文件按照64MB一块的大小,切分成一个个chunk,每一个chunk有唯一标识handle,存放在chunkserver上。
为了确保不会因为某个chunkserver坏了数据丢失,每个chunk会存上三份副本。
GFS的客户端如何知道去哪个chunkserver找自己要的文件?可以查询master的元数据metadata来获得文件和chunk的命名空间、文件和拆分的chunk handle的映射关系、chunk handle和chun