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：

  1. Eventually Consistent 最终的一致性问题，在保重数据完整性上至关重要。
  2. Async Store 异步数据库存储，各位可以参考：adbcj , async-mysql-connector
  3. Read Cache
  4. 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：

  1. Amazon’s Dynamo
     http://www.allthingsdistributed.com/2007/10/amazons_dynamo.html
  2. Cassandra
     http://incubator.apache.org/cassandra/
  3. Voldemort
     http://project-voldemort.com/
• 转载地址：http://www.kuqin.com/system-analysis/20100205/79192.html