fastdfs分布式存储

前言

fastdfs是一个开源的轻量级分布式文件系统，它对文件进行管理，功能包括：文件存储、文件同步、文件访问（上传、下载）等，解决了大容量存储和负载均衡的问题。

fastds为互联网量身定制，充分考虑了冗余备份、负载均衡、线性扩展等机制，并注重高可用、高性能等指标，使用fastdfs很容易搭建一套高性能的文件服务器集群提供文件上传、下载等服务。

fastdfs原理

Fast DFS 系统有三个角色:跟踪服务器(Tracker Server)、存储服务器(storage server)和客户端(Client)。client 请求 Tracker server 进行文件上传、下载，通过 Tracker server 调度最终由storage server 完成文件上传和下载，在底层存储上通过逻辑的分组概念，使得通过在同组内配置多个storage，从而实现软 RAID10。

fastdfs架构

tracker  server

跟踪服务器，主要做调度工作，起到均衡的作用;负贵管理所有的storage server 和group，每个storage 在启动后会连接 Tracker，告知自己所属 group 等信息，并保持周期性心跳。tracker 上的元信息都是由 storage 汇报的信息生成的，本身不需要持久化任何数据，这样使得 tracker 非常容易扩展,直接增加 tracker 机器即可扩展为tracker cluster 来服务，cluster 里每个 tracker 之间是完全对等的，所有的 tracker 都接受 stroage 的心跳信息，生成元数据信息来提供读写服务，tracker 根据storage 的心跳信息，建立 group==>[storage server list]的映射表。

storage server

存储服务器，主要提供容量和备份服务;以group为单位，每个group内部可以有多台 storageserver，数据互为备份。客户端上传的文件最终存储在 storage服务器上，storage server 没有实现自己的文件系统，而是利用操作系统的文件系统来管理文件，可以将 storage 称为存储服务器。storage
可配置多个数据存储目录，比如有 10 块磁盘，分别挂载在/data/disk1-/data/disk10，则可将这 10个目录都配置为storage 的数据存储目录。

client

客户端，上传下载数据的服务器，也就是我们自己的项目所部署在的服务器。FastDFS 向使用者提供基本文件访问接口，比如 upload、download、append、delete 等，以客户端库的方式提供给用户使用。

跟踪服务器和存储节点都可以由一台或多台服务器构成，跟踪服务器和存储节点均可以随时增加或者下线不会影响线上服务，其中跟踪服务器中所有服务器是对 等，可以根据服务器压力情况随时增加或减么

文件的上传

storage server 会连接集群中所有的Tracker server，定时向他们报告自己的状态，包括磁盘剩余空间、文件同步状况、文件上传下载次数等统计信息。
上传的内部机制如下:
(1)选择tracker server
当集群中不止一个 tracker server 时，由于 tracker 之间是完全对等的关系，客户端在 upload文件时可以任意选择一个 trakcer。 当tracker 接收到upload file 的请求时，会为该文件分配一个可以存储该文件的 group，支持如下选择 group 的规则:
Round robin，所有的group 间轮询
Specified group，指定某一个确定的 group
Load balance，剩余存储空间多 group 优先

(2)选择storage server
当选定group后,tracker会在group内选择一个storage server给客户端,支持如下选择storage
的规则:
Round robin，在group 内的所有storage 间轮询
First server ordered by ip，按ip 排序
>First server ordered by priority，按优先级排序(优先级在 storage 上配置)
(3)选择storage path
当分配好 storage server 后，客户端将向 storage 发送写文件请求，storage 将会为文件分配一个数据存储目录，支持如下规则:
Round robin，多个存储目录间轮询
剩余存储空间最多的优先

(4)生成Fileid(文件标识)
选定存储目录之后，storage 会为文件生一个Fileid，由storage server ip、文件创建时间、文件大小、文件 crc32 和一个随机数拼接而成，然后将这个二进制串进行 base64 编码，转换为可打印的字符串。 选择两级目录 当选定存储目录之后，storage 会为文件分配一个 fileid，每个存储目录下有两级 256*256 的子目录，storage 会按文件 fileid 进行两次 hash(猜测)，路由到其中一个子目录，然后将文件以 fileid 为文件名存储到该子目录下。
(5)生成文件名当文件存储到某个子目录后，即认为该文件存储成功，接下来会为该文件生成一个文件名，文件名由group、存储目录、两级子目录、fileid、文件后缀名(由客户端指定，主要用于区分文件类型)拼接而成。

文件的下载

跟 upload file 一样，在 download file 时客户端可以选择任意 tracker server。tracker 发送download 请求给某个tracker，必须带上文件名信息，tracke 从文件名中解析出文件的 group、大小、创建时间等信息，然后为该请求选择一个storage 服务器用来读请求。

(1)定位文件
客户端上传文件后存储服务器将文件 ID 返回给客户端，此文件 ID 用于以后访问该文件的索引信息。
文件索引信息包括:组名，虚拟磁盘路径，数据两级目录，文件名。

组名:文件上传后所在的 storage 组名称，在文件上传成功后有 storage 服务器返回，需要客户端自行保存。
虚拟磁盘路径:storage配置的虚拟路径，与盘选项store_path*对应。如果配置了
store_path0 则是 M00，如果配置了 store_path1 则是 M01，以此类推。
数据两级目录:storage服务器在每个虚拟磁盘路径下创建的两级目录，用于存储数据文件。文件名:与文件上传时不同。是由存储服务器根据特定信息生成，文件名包含:源存储服务器IP地址、文件创建时间戳、文件大小、随机数和文件拓展名等信息。

知道 FastDFS FID的组成后，我们来看看 FastDFs 是如何通过这个精巧的 FID 定位到需要访问的文
件:
(2)定位文件所在的 group
通过组名 tracker 能够很快的定位到客户端需要访问的存储服务器组,并将选择合适的存储服务器提供客户端访问
(3)定位文件位置
存储服务器根据“文件存储虚拟磁盘路径”和“数据文件两级目录”可以很快定位到文件所在目录,并根据文件名找到客户端需要访问的文件

同步时间管理

当一个文件上传成功后，客户端马上发起对该文件下载请求(或删除请求)时，tracker 是如何选定一个适用的存储服务器呢? 其实每个存储服务器都需要定时将自身的信息上报给tracker，这些信息就包括了本地同步时间(即，同步到的最新文件的时间戳)。而 tracker 根据各个存储服务器的上报情况，就能够知道刚刚上传的文件，在该存储组中是否已完成了同步。同步信息上报如下图:

写文件时，客户端将文件写至 group 内一个 storage server 即认为写文件成功，storage server写完文件后，会由后台线程将文件同步至同group内其他的storage server。
每个 storage 写文件后，同时会写一份 binlog，binlog 里不包含文件数据，只包含文件名等元信息，这份 bin1og用于后台同步，storage 会记录向 group 内其他 storage 同步的进度，以便重启后能接上次的进度继续同步;进度以时间戳的方式进行记录，所以最好能保证集群内所有server 的时钟保持同步。
storage 的同步进度会作为元数据的一部分汇报到 tracker 上,tracke 在选择读 storage 的时候会以同步进度作为参考。比如一个group 内有A、B、C三个storage server,A向C同步到进度为 T1(T1以前写的文件都已经同步到B上了)，B向C同步到时间戳为T2(T2>T1)，tracker 接收到这些同步进度信息时，就会进行整理，将最小的那个做为C的同步时间戳,本例中 T1 即为C的同步时间戳为 T1(即所有 T1 以前写的数据都已经同步到C上了):同理，根据上述规则，tracker 会为 A、B 生成一个同步时间戳。

集成nginx

FastDFs 通过 Tracker 服务器,将文件放在 storage 服务器存储,但是同组存储服务器之间需要进入文件复制，有同步延迟的问题。
假设 Tracker 服务器将文件上传到了 192.168.4.125,上传成功后文件 ID 已经返回给客户端。此时FastDFs 存储集群机制会将这个文件同步到同组存储 192.168,4.126，在文件还没有复制完成的情况下，客户端如果用这个文件 ID 在 192.168.4.126上取文件,就会出现文件无法访问的错误。
而 fastdfs-nginx-module可以重定向文件连接到文件上传时的源服务器取文件,避免客户端由于复制延迟导致的文件无法访问错误，
另外，使用 nginx 反向代理后，后端可以以HTTP 请求的方式来访问文件资源。访问 nginx 反向代理+上传文件时的ID