[[263768]]

現(xiàn)在這個(gè)世道，隨便什么公司什么人都張嘴閉嘴大數(shù)據(jù)，連做個(gè)幾十人的問卷都敢叫大數(shù)據(jù)調(diào)查分析。真是無知者無畏。

但也真有不少公司是真的有足夠大的數(shù)據(jù)量的，也確實(shí)是在用心做大數(shù)據(jù)。這些公司通常規(guī)模不小，但盈利不一定理想。就算能穩(wěn)定盈利，也一定有不小的成本壓力。因?yàn)?，大?shù)據(jù)，如果真的夠大，是真的很費(fèi)錢。

以我所在的公司為例，每年的服務(wù)器采購成本就已經(jīng)好幾千萬，眼看奔著8位數(shù)去了。

因此我們有很強(qiáng)的節(jié)省成本的動(dòng)力。

另一方面，之前我在思考作為公共部門和基礎(chǔ)設(shè)施部門，在不做業(yè)務(wù)不賺錢的情況下，怎么體現(xiàn)自己的價(jià)值。其中很重要的一點(diǎn)就是，省錢就是賺錢呀，體現(xiàn)在公司收支上效果是差不多的。

在計(jì)算資源可復(fù)用、可靈活調(diào)度的情況下，存儲(chǔ)空間往往是帶來成本的最重要的原因。這篇文章就簡(jiǎn)單梳理下這幾年我們?cè)跀?shù)十 PB 到百 PB 級(jí)別數(shù)據(jù)量下對(duì)存儲(chǔ)空間做的一些治理工作。

1、降低備份數(shù)

大家都知道 HDFS 是靠著 3 副本來保證數(shù)據(jù)的高可用的。但也正是這 3 副本帶來了 3 倍的成本。那要降低成本很自然的就想到降低副本數(shù)。

這個(gè)辦法看起來很笨也很 low，不過確實(shí)能解決問題。當(dāng)然考慮到會(huì)犧牲一定高可用性的風(fēng)險(xiǎn)，確實(shí)也不是個(gè)普適性的辦法。

我們把這個(gè)辦法用在臨時(shí)文件上，或者說是線上業(yè)務(wù)不會(huì)直接用到的數(shù)據(jù)上。就算真的丟了，也不會(huì)直接影響到業(yè)務(wù)。要么確實(shí)沒用，丟了就丟了，要么能從其他數(shù)據(jù)恢復(fù)過來。

由于我們對(duì) Hive 庫做了比較嚴(yán)格的權(quán)限管理，但又為了給大家留一定的靈活空間來開發(fā)調(diào)試和做實(shí)驗(yàn)，非線上的業(yè)務(wù)都被趕到了 tmp 庫。雖然我們?cè)O(shè)定了定時(shí)刪除的策略，但 tmp 庫的存儲(chǔ)開銷仍然穩(wěn)定在一個(gè)比較高的水平。

于是我們寫了這么個(gè)腳本，定時(shí)遍歷去把 tmp 庫的文件副本數(shù)設(shè)為 2。這樣就把 tmp 庫的存儲(chǔ)消耗降低了 1/3。這可就是幾百萬的 RMB。

當(dāng)然也考慮過修改 Hadoop 的源碼，自動(dòng)在分配 block 的時(shí)候就去把這個(gè)事做了，而不是事后再去改副本數(shù)。簡(jiǎn)單討論了下，覺得一個(gè)小腳本就能解決的問題，事后再做代價(jià)也不大，沒必要去侵入代碼增加復(fù)雜性。

另外值得一提的是，在節(jié)點(diǎn)數(shù)足夠多而網(wǎng)絡(luò)帶寬也足夠大的情況下，如果存儲(chǔ)壓力實(shí)在大，其實(shí)可以考慮把更多的數(shù)據(jù)設(shè)置為 2 副本。因?yàn)榧词褂幸慌_(tái)機(jī)器掛了，也能很快從其他機(jī)器上通過網(wǎng)絡(luò)補(bǔ)回 2 副本。當(dāng)然風(fēng)險(xiǎn)也是有的，如果運(yùn)氣差到家了，2 個(gè)副本所在的機(jī)器同時(shí)都報(bào)廢了，那就真丟數(shù)據(jù)了。

2、壓縮

除了刪數(shù)據(jù)和減少副本外，另一個(gè)很容易想到的辦法就是壓縮。

上面的圖列出了 Hadoop 最常見的幾種壓縮格式。其中 native 決定了對(duì)單個(gè)文件的處理性能，畢竟 Java 在這種計(jì)算密集型的活上還是比不過 C 系列的。而 splitable 決定了一個(gè)文件是否可切分給多個(gè) mapper 處理，也就是文件是否能被并行處理，同樣也會(huì)對(duì)性能造成很大影響。

所以從定性的角度考慮，單看性能，lzo 和 bzip2 似乎是***。

但性能到底怎么樣，還得看實(shí)際的性能測(cè)試結(jié)果，由于時(shí)間實(shí)在太久，一時(shí)找不到當(dāng)時(shí)的數(shù)據(jù)。從網(wǎng)上找了個(gè) benchmark 看看。不要糾結(jié)絕對(duì)數(shù)字，只要知道相對(duì)差距就行。

很明顯，bzip2 壓縮和解壓速率實(shí)在太慢了，差了數(shù)量級(jí)了，***個(gè)被淘汰。

剩下3個(gè)，gzip 壓縮比***，也就是最省空間，但處理速率相對(duì)慢些，但也不至于像 bzip2 那么夸張。lzo 和 snappy 無論壓縮比還是處理速度，都很不錯(cuò)，再考慮到 splitable，似乎 lzo 應(yīng)該是***。

但實(shí)際上，lzo 有個(gè)不可忽視的特性。lzo 的 splitable 是需要額外的索引文件來支持的，每個(gè)文件都需要有一個(gè)同名的索引文件。并且這個(gè)索引文件需要單獨(dú)去生成。這還不算，索引文件會(huì)導(dǎo)致實(shí)際文件數(shù)多出一倍，這對(duì)于大規(guī)模集群的 NameNode 會(huì)造成巨大的壓力。

綜合上面這些情況，實(shí)際生產(chǎn)環(huán)境，我們采用的是這樣的方式：

• 原始日志采集落地的時(shí)候使用 snappy 壓縮，兼顧存儲(chǔ)空間和處理速度
• 周期性的對(duì)清洗完的日志文件做 archive，并把 snappy 文件轉(zhuǎn)換為 gzip，以節(jié)省空間
• 對(duì)結(jié)構(gòu)化的數(shù)據(jù)，主要是 Hive 表，采用 parquet+gzip 的方式，gzip 節(jié)省空間，而相對(duì)于 snappy 的性能劣勢(shì)，則由 parquet 的性能優(yōu)勢(shì)來彌補(bǔ)

這樣，就能在存儲(chǔ)空間和性能之間找到比較好的平衡。

3、冷熱分層

在存儲(chǔ)領(lǐng)域有個(gè)很流行的詞，叫異構(gòu)存儲(chǔ)(heterogeneous storage)，大白話講就是不同類型的存儲(chǔ)放在一個(gè)系統(tǒng)里，比如 RAM、SSD、DISK 等等。不少類似 Spark 這樣的框架都對(duì)異構(gòu)存儲(chǔ)做了廣泛的支持。

異構(gòu)存儲(chǔ)通常用來解決訪問性能問題，這很容易理解，不同的存儲(chǔ)介質(zhì)訪問速度普遍差了數(shù)量級(jí)。但同時(shí)，空間大小和成本也差了數(shù)量級(jí)，因此也能被用來節(jié)省成本。

HDFS 定義了兩個(gè)概念來支持異構(gòu)存儲(chǔ)。

***個(gè)概念，Storage Type，用來表示不同類型的存儲(chǔ)，包括：

• ARCHIVE，其實(shí)就是更大更便宜的硬盤，花同樣多的 RMB 能存下更多的數(shù)據(jù)。我們生產(chǎn)環(huán)境單臺(tái) 128 TB。
• DISK，常見的普通硬盤，我們生產(chǎn)環(huán)境單臺(tái)空間 48TB。
• SSD，常見的固態(tài)硬盤。
• RAM_DISK，其實(shí)就是內(nèi)存，一般不會(huì)這么奢侈。

很顯然，從上到下越來越快但也越來越貴。

第二個(gè)概念，Storage Policy，用來表示不同的存儲(chǔ)策略，可以對(duì)應(yīng)數(shù)據(jù)的冷熱程度，也就是使用頻次。包括：

• Hot，熱數(shù)據(jù)，經(jīng)常被訪問到的數(shù)據(jù)，所有副本都保存到 DISK
• Cold，冷數(shù)據(jù)，很少訪問的數(shù)據(jù)，所有副本都保存到 ARCHIVE
• Warm，溫?cái)?shù)據(jù)，介于冷熱之間的數(shù)據(jù)，一個(gè)副本保存在 DISK，其他全部在 ARCHIVE
• All_SSD，沒有冷熱對(duì)應(yīng)，所有副本保存在 SSD
• One_SSD，沒有冷熱對(duì)應(yīng)，一個(gè)副本保存在 SSD，其他都在 DISK

不同版本對(duì)以上兩個(gè)概念的支持可能略有差異。既然是要節(jié)省成本，那 SSD 自然就排除掉，離線大數(shù)據(jù)處理的場(chǎng)景也確實(shí)不太有需要 SSD 的情況。

通常按這個(gè)思路去劃分?jǐn)?shù)據(jù)冷熱，然后設(shè)置 Storage Policy 做就能解決大部分問題了。至于怎樣定義和衡量數(shù)據(jù)冷熱，就又是一個(gè)可以另開一篇的話題了。簡(jiǎn)單提點(diǎn)思路，可以按照數(shù)據(jù)時(shí)間和訪問次數(shù)兩個(gè)維度去劃分區(qū)間，從 HDFS 審計(jì)日志統(tǒng)計(jì)結(jié)果。

除了社區(qū)的默認(rèn)支持外，我們?cè)?hot warm cold 的基礎(chǔ)上，又加了一層 frozen 層，用來保存最冷的數(shù)據(jù)。

考慮到 ARCHIVE 已經(jīng)是***的存儲(chǔ)介質(zhì)了，具體 frozen 的效果并沒有也沒辦法再在 Storage Type 上做文章。我們把目光轉(zhuǎn)移到了***節(jié)提到的降低備份數(shù)上。

當(dāng)然不能是簡(jiǎn)單的設(shè)置 repica，不然這部分就直接放***節(jié)講了。我們使用的是 HDFS 的糾刪碼(erasure code)。

通俗點(diǎn)說就是 HDFS 上的 RAID。RAID 這個(gè)思路其實(shí)早就被 Facebook 和騰訊這樣的公司在生產(chǎn)環(huán)境大規(guī)模實(shí)踐過，畢竟他們肯定是***遇到也最有動(dòng)力解決存儲(chǔ)成本問題的公司。可惜要么版本古老不再更新維護(hù)，要么閉源沒有回饋社區(qū)。

好在 Hadoop 3.0 正式支持了這個(gè)功能。當(dāng)然，缺點(diǎn)也是有的。首先，代碼穩(wěn)定性有待考驗(yàn)，畢竟業(yè)界還沒有大規(guī)模的 3.0 踩坑經(jīng)驗(yàn);其次，CDH 目前還沒有發(fā)布 Hadoop 3.0 的正式版，因此部署維護(hù)就沒那么方便和統(tǒng)一了。

所以，只有真的非常老和很長(zhǎng)時(shí)間都不用的數(shù)據(jù)才適合設(shè)置為 frozen 放在啟用了糾刪碼的 3.0 集群上。

按我們生產(chǎn)環(huán)境 archive 機(jī)器成本占 disk 機(jī)器大概 1/3 算，分層存儲(chǔ)的空間和成本開銷對(duì)比如下：

看到這個(gè)表格，相信大家都有足夠的動(dòng)力去做分層存儲(chǔ)了。

4、大存儲(chǔ)機(jī)器

但是，最近幾年，有個(gè)說法開始逐漸顛覆大家的傳統(tǒng)認(rèn)知。

說沒有必要再分 DISK、ARCHIVE 兩種機(jī)型，直接全部上大存儲(chǔ)機(jī)器。

考慮到隨著萬兆網(wǎng)卡的普及，再加上網(wǎng)卡綁定、交換機(jī)性能的提升等，網(wǎng)絡(luò) IO 已經(jīng)不再是瓶頸。

同時(shí)考慮到數(shù)據(jù)規(guī)模，DISK/Memory 比也沒有意義，因此也不用顧及計(jì)算資源相對(duì)少的問題。更何況還有相當(dāng)數(shù)量的冷數(shù)據(jù)躺在哪里，根本不需要為它們預(yù)留計(jì)算資源。

看起來很有道理，也值得一試。后面稍稍沒那么忙了，我們會(huì)集中測(cè)試對(duì)比下性能。大家有經(jīng)驗(yàn)的可以留言一起探討下。

主要內(nèi)容就是這樣，其他零散的治理方法就略過了。

隨著數(shù)據(jù)量的增長(zhǎng)，元數(shù)據(jù)也會(huì)急劇膨脹，很快 NameNode 就會(huì)成為集群的瓶頸。解決方法是 HDFS Federation，我們?cè)谏a(chǎn)環(huán)境已經(jīng)有了不錯(cuò)的實(shí)踐。但這又是一個(gè)復(fù)雜的話題了，下次有機(jī)會(huì)單獨(dú)開一篇再細(xì)說。