千锋教育-做有情怀、有良心、有品质的职业教育机构

手机站
千锋教育

千锋学习站 | 随时随地免费学

千锋教育

扫一扫进入千锋手机站

领取全套视频
千锋教育

关注千锋学习站小程序
随时随地免费学习课程

首页 视频教程 培训课程 师资团队 技术干货 常见问题 面试题 职场就业 零基础学大数据 行业资讯
【热点话题】 大数据技术干货 大数据学习教程 大数据学习笔记 大数据面试题 大数据培训问答 大数据培训机构哪些好 大数据职场就业
当前位置:大数据培训  >  大数据学习教程  >  大数据开发:分布式文件存储系统简介

大数据开发:分布式文件存储系统简介

来源:千锋教育
发布人:wjy
时间: 2022-12-09 15:30:00 1670571000

  在分布式存储技术体系当中,分布式文件存储是其中的分类之一,也是大数据架构当中常常用到的。得益于Hadoop的高人气,Hadoop原生的HDFS分布式文件系统,也广泛为人所知。但是分布式文件存储系统,并非只有HDFS。今天的大数据开发分享,我们就主要来讲讲常见的分布式文件存储系统。

分布式文件存储系统1

  分布式文件系统,可以说是分布式系统下的一个子集,这里我们选取市场应用比较广泛的几款产品,HDFS、Ceph、FastDFS以及MooseFS来做简单的分析——

分布式文件存储系统2

  HDFS

  如上所说,HDFS是分布式文件系统当中人气非常高的一个。基于Hadoop基础架构,HDFS天然就有很好的优势,尤其是面对大规模离线批处理任务,地位难以撼动。

  HDFS,可以为各类分布式计算框架如Spark、MapReduce等提供海量数据存储服务,同时HBase、Hive底层存储也依赖于HDFS。与Hadoop生态的紧密联系,也使其稳稳占据市场主流地位。

  优点:

  高容错性:数据自动保存多个副本,副本丢失后,自动恢复

  适合批处理:移动计算而非数据。数据位置暴露给计算框架

  适合大数据处理:GB,TB,甚至PB级数据。百万规模以上文件数量。10K+节点规模。

  流式文件访问:一次性写入,多次读取。保证数据一致性。

  可构建在廉价机器上:通过多副本提高可靠性。提供容错和恢复机制。

  缺点:

  不适合低延迟数据访问场景:比如毫秒级,低延迟与高吞吐率

  不适合小文件存取场景:占用NameNode大量内存。寻道时间超过读取时间。

  不适合并发写入,文件随机修改场景:一个文件只能有一个写者。仅支持append

  不符合posix语义,需要通过SDK来读写操作。对java支持良好,其他语言一般

  Ceph

  企业级的存储需求,通常分为块存储、文件存储和对象存储,而Ceph能够同时满足这三种需求。Ceph提供三大存储接口,能够将企业中的三种存储需求统一汇总到一个存储系统中,并提供分布式、横向扩展,高度可靠性的存储,具备高可用性、高性能及可扩展等特点。

  优点:

  支持对象存储(OSD)集群,通过CRUSH算法,完成文件动态定位,处理效率更高

  符合posix语义,支持通过FUSE方式挂载,降低客户端的开发成本,通用性高

  支持分布式的MDS/MON,无单点故障

  强大的容错处理和自愈能力

  支持在线扩容和冗余备份,增强系统的可靠性

  缺点:

  目前处于试验阶段,系统稳定性有待考究

  部署和运维较复杂,集群管理工具较少

  FastDFS

  FastDFS是以C语言开发的一项开源轻量级分布式文件系统,提供文件存储、文件同步、文件访问(文件上传/下载)等通用文件管理操作,尤其适合以文件为载体的在线服务,如图片网站,视频网站等。追求高性能和高扩展性FastDFS,可以看做是基于文件的key value pair存储系统,称作分布式文件存储服务更为合适。

  优点:

  支持在线扩容机制,增强系统的可扩展性

  实现了软RAID,增强系统的并发处理能力及数据容错恢复能力

  支持主从文件,支持自定义扩展名

  主备Tracker服务,增强系统的可用性

  缺点:

  不支持POSIX通用接口访问,通用性较低

  对跨公网的文件同步,存在较大延迟,需要应用做相应的容错策略

  同步机制不支持文件正确性校验,降低了系统的可用性

  通过API下载,存在单点的性能瓶颈

  MooseFS

  MooseFS是在HDFS之后出现的,它也是类似的MDS+OSS架构,区别于HDFS的是,MooseFS没有对运行其上的业务做假设,它没有假设业务是大文件或海量小文件,也就是说,MooseFS的定位是像ext4、xfs、NTFS等单机文件系统一样的通用型文件存储。

  优点:

  扩容成本低、支持在线扩容,不影响业务,体系架构可伸缩性极强

  支持POSIX通用接口访问,支持通过FUSE方式挂载,降低客户端的开发成本,通用性高

  文件对象高可用,可设置任意的文件冗余程度(提供比Raid 10更高的冗余级别)

  提供系统负载,将数据读写分配到所有的服务器上,加速读写性能

  实现了软RAID,增强系统的并发处理能力及数据容错恢复能力

  数据恢复比较容易,增强系统的可用性。有回收站功能,方便业务定制

  缺点:

  Master Server的单点解决方案的健壮性。Master Server一旦出问题Metalogger Server可以恢复升级为Master Server,但是需要恢复时间

  Master Server本身的性能瓶颈。MFS的主备架构情况类似于MySQL的主从复制,从可以扩展,主却不容易扩展

  随着MFS体系架构中存储文件的总数上升,Master Server对内存的需求量会不断增大

  

分布式文件存储系统3

  关于大数据开发,分布式文件存储系统,以上就为大家做了简单的介绍了。分布式文件系统,是解决大数据存储问题的重要底层支持,对于市场主流分布式存储产品,需要有相应的了解才行。

  注:本文部分文字和图片来源于网络,如有侵权,请联系删除。版权归原作者所有!此页面下方声明无效!

声明:本站稿件版权均属千锋教育所有,未经许可不得擅自转载。

猜你喜欢LIKE

最新文章NEW

相关推荐HOT

更多>>

开班信息
北京校区
  • 北京校区
  • 大连校区
  • 广州校区
  • 成都校区
  • 杭州校区
  • 长沙校区
  • 合肥校区
  • 南京校区
  • 上海校区
  • 深圳校区
  • 武汉校区
  • 郑州校区
  • 西安校区
  • 青岛校区
  • 重庆校区
  • 太原校区
  • 沈阳校区

14天品质课程免费学

10年以上业内强师带你蜕变精英

提交领取