面向分布式文件系統(tǒng)的可擴展數(shù)據(jù)快照科技論文
引言
隨著信息的全球化，互聯(lián)網(wǎng)產業(yè)得到迅速地發(fā)展，其在科學研究、數(shù)據(jù)挖掘和信息獲取等方面的廣泛應用，使人類需要存儲和管理越來越多的數(shù)據(jù)，進而出現(xiàn)數(shù)據(jù)爆炸的現(xiàn)象。2012年12月，IDC公司的全球數(shù)據(jù)分析報告如圖1，預計2020年全球數(shù)據(jù)總量將由2012年的2.72ZB增長至40ZB，并且40%的數(shù)據(jù)需要保證其安全性。然而，受硬件設備失效、火災、地震自然災害等因素的影響，數(shù)據(jù)的安全性和可靠性受到嚴重威脅。在這個數(shù)據(jù)即信息，數(shù)據(jù)即價值的大數(shù)據(jù)時代，如何保證數(shù)據(jù)的安全性和完整性成為當前存儲領域越來越重要的問題。
1 目前主流快照技術
本章首先介紹目前主流的快照創(chuàng)建技術，包括鏡像分裂、按需復制、指針重映射和增量快照技術，并分別分析其優(yōu)缺點;然后介紹目前基于增量快照的快照恢復方法;最后為了降低空間、時間開銷和提高系統(tǒng)可擴展性，提出快照創(chuàng)建和快照恢復需要改進的問題。
1.1 快照創(chuàng)建1.1.1 鏡像分裂快照技術鏡像分裂技術在快照時間點到來之前需要為源數(shù)據(jù)卷創(chuàng)建并維護一個完整的物理鏡像卷，同一數(shù)據(jù)的兩個副本分別保存在由源數(shù)據(jù)卷和鏡像卷組成的鏡像對上�？煺詹僮鞯絹頃r，鏡像操作停止，鏡像卷轉化為快照卷，得到一份數(shù)據(jù)快照，快照卷在完成數(shù)據(jù)備份后，與源數(shù)據(jù)卷再次同步，重新成為鏡像卷。鏡像分裂技術雖然在短時間內(斷開鏡像對所需的時間)就可以得到一個完整的物理副本，但其缺乏靈活性，需要預先為源數(shù)據(jù)卷創(chuàng)建鏡像卷，無法在任意時間點為任意的數(shù)據(jù)卷創(chuàng)建快照，并且其占用大量的存儲資源，會造成存儲空間的浪費。
1.1.2 按需復制快照技術[12-14]按需復制技術在快照時間點之后開始建立源數(shù)據(jù)卷的完整物理副本。系統(tǒng)接收到快照請求，暫停上層應用，接著為源數(shù)據(jù)卷創(chuàng)建快照卷，并為其分配大于或等于源數(shù)據(jù)卷容量的存儲空間，同時建立一個控制位圖，該控制位圖的每一個控制位表示源數(shù)據(jù)卷的一個單位(通常為數(shù)據(jù)塊)是否已經(jīng)復制到快照卷，快照操作完成，恢復上層應用�？煺战⒅�，后臺復制程序開始運行，將源數(shù)據(jù)卷的數(shù)據(jù)塊復制到快照卷，并將對應的控制位圖位置1，表示該數(shù)據(jù)塊完成復制。在此過程中，當源數(shù)據(jù)卷上某數(shù)據(jù)要被更新時，若該數(shù)據(jù)塊尚未完成復制，則這些塊將執(zhí)行寫前復制COW(首先被復制到快照卷，同時將對應的控制位圖置1，然后才能更新源數(shù)據(jù)卷的數(shù)據(jù));若該塊已完成復制，則直接更新數(shù)據(jù)。按需復制快照技術的工作原理如圖2所示： 圖2 按需復制快照技術工作原理寫前復制技術確保復制操作發(fā)生在更新操作之前，使快照時間點之后的數(shù)據(jù)更新不會出現(xiàn)在快照卷上，保證了數(shù)據(jù)的完整性。通過后臺復制和寫前復制技術，最終源數(shù)據(jù)卷的數(shù)據(jù)會被復制到快照卷，得到源數(shù)據(jù)卷的完整物理副本。
1.1.3 指針重映射技術[12-14]指針重映射技術建立一份快照時刻源數(shù)據(jù)卷的邏輯副本，不會產生完整的物理副本。該技術只需分配少量的快照空間，存儲快照時間點之后被更新的數(shù)據(jù)，每個源數(shù)據(jù)卷都有一個數(shù)據(jù)指針表，該指針表中記錄的`數(shù)量等于源數(shù)據(jù)卷的數(shù)據(jù)塊數(shù)量，每條記錄保存著指向對應數(shù)據(jù)塊的指針�？煺談�(chuàng)建時，為源數(shù)據(jù)卷的指針表建立一個副本，作為快照卷的數(shù)據(jù)指針表，快照時間點結束時，快照卷和源數(shù)據(jù)卷通過各自的指針表共享同一份物理數(shù)據(jù)。 圖3 指針重映射技術工作原理快照創(chuàng)建之后，當源數(shù)據(jù)卷中的某數(shù)據(jù)將要被更新時，使用寫前復制技術，將要更新的數(shù)據(jù)寫至預先分配的存儲空間，然后修改快照卷的數(shù)據(jù)指針表使其指向該存儲空間的數(shù)據(jù)塊。指針重映射技術工作原理如圖3所示：指針重映射技術的備份窗口只需幾秒鐘，為快照卷分配的存儲空間卻大大減小。
但因為快照卷僅僅保存了源數(shù)據(jù)卷中被更新的數(shù)據(jù)，快照技術無法得到完整的物理副本，且若更新的數(shù)據(jù)數(shù)量超過預先分配的存儲空間，快照將失效。
1.1.4 增量快照技術增量快照是基于按需復制的快照技術，因此能夠產生各個連續(xù)時間點的完整物理副本，同時結合重映射技術只復制更改數(shù)據(jù)塊的思想，減少了數(shù)據(jù)的物理復制工作量。在第一個快照時間點，除了分配一個大于或等于源數(shù)據(jù)容量的快照卷并建立控制位圖之外，同時還建立一個增量位圖，增量位圖用于記錄自上次時間點的快照創(chuàng)建之后，源數(shù)據(jù)卷上被更新的數(shù)據(jù)塊的位置。通過查詢控制位圖，執(zhí)行后臺復制和寫時復制，同時利用增量位圖記錄快照時間點之后源數(shù)據(jù)卷上被更新的數(shù)據(jù)塊位置。當需要創(chuàng)建B時間點的快照時，用前一快照時間點的控制位圖與此時的增量位圖進行XOR操作，產生快照時間點B的控制位圖，同時將增量位圖置0，開始記錄時間點B之后被更新的數(shù)據(jù)塊，其工作原理如圖4所示： 圖4 增量快照工作原理快照時間點A時一部分數(shù)據(jù)已經(jīng)拷貝至快照卷，同時增量位圖記錄了自快照時間點A后源數(shù)據(jù)卷被修改的數(shù)據(jù)塊，當創(chuàng)建時間點B的快照時，可以通過查看增量位圖，然后與A的控制位圖XOR，即得B處的控制位圖，即B時間點需要存儲的數(shù)據(jù)，同時增量位圖置0，記錄時間點B后被更新的數(shù)據(jù)塊。
1.1.5 快照技術總結如表1所示，鏡像分裂技術雖然備份窗口僅為斷開鏡像對的時間，但每次需要完全復制數(shù)據(jù)，浪費存儲空間，且缺乏靈活性。按需復制技術雖然可得到完整的數(shù)據(jù)副本，但空間開銷大并且后臺復制影響系統(tǒng)性能。指針重映射技術雖然只復制被更新的數(shù)據(jù)塊，但無法得到完整的物理副本。增量快照技術可以實現(xiàn)連續(xù)時間點的快照，并且在快照時間點只需要復制更改的數(shù)據(jù)塊，從時間和空間的角度綜合考慮，明顯優(yōu)于其他快照技術。然而，在分布式文件系統(tǒng)中，增量快照的空間開銷隨著系統(tǒng)規(guī)模的增大，仍然會比較大，因此需要進一步改進，以節(jié)約空間開銷，提高系統(tǒng)可擴展性。表1 快照技術總結
1.2 快照恢復快照恢復與快照創(chuàng)建具有一一對應關系，對主流在分布式文件系統(tǒng)中，隨著數(shù)據(jù)量的增大和快照版本的增多，需要恢復的數(shù)據(jù)塊數(shù)也急劇增多，因此，遞進式地恢復特定時間點快照所需要的時間也會相應增多。為了提高數(shù)據(jù)失效時快照的恢復效率，對增量快照恢復方法的研究也是十分必要的。
2 基于數(shù)據(jù)壓縮的增量快照技術
2.1 增量快照的空間開銷問題數(shù)據(jù)快照的創(chuàng)建主要包括兩方面：第一，決定需要備份的數(shù)據(jù)塊;第二，將需備份的數(shù)據(jù)塊快速寫入快照空間。其中決定需要備份的數(shù)據(jù)塊有兩種情況，全部備份或者部分備份，目前的數(shù)據(jù)總量急劇增長，如果全部備份，所需的快照空間將隨數(shù)據(jù)總量的增加急劇增加，因此我們采取部分備份，即只備份更新的數(shù)據(jù)塊。傳統(tǒng)的創(chuàng)建數(shù)據(jù)快照的技術鏡像分裂、按需備份、指針重映射和增量備份技術中，在空間和時間方面，增量備份有相對低的開銷，并且可以創(chuàng)建連續(xù)時間點的快照。
2.2 基于數(shù)據(jù)壓縮的增量快照技術隨著系統(tǒng)規(guī)模的增大，被更新的數(shù)據(jù)塊逐漸增多，快照所占的存儲空間仍然比較大，因此需要對增量快照作進一步的改進，使其在大規(guī)模的分布式文件系統(tǒng)中具有較小的空間開銷和較高的可擴展性。壓縮技術是按照一定的算法對數(shù)據(jù)進行重新組織，以減少數(shù)據(jù)的冗余性和存儲空間開銷，因此本文將增量快照和壓縮技術相結合，實現(xiàn)了基于數(shù)據(jù)壓縮的增量快照技術，即在將需要備份的數(shù)據(jù)塊復制于快照空間之前，首先將這些數(shù)據(jù)塊進行一定的壓縮，然后再將其存入快照空間。本文擬采用Huffman壓縮算法[16-17]，并對其做進一步改進，Huffman壓縮算法的流程如圖6:圖6 Huffman壓縮算法Huffman壓縮算法首次遍歷數(shù)據(jù)塊，分別統(tǒng)計每個字符出現(xiàn)的次數(shù)，按字符出現(xiàn)次數(shù)進行降序排序并構造二叉樹，出現(xiàn)次數(shù)較多的數(shù)據(jù)在樹的最頂層，較少的數(shù)據(jù)在樹的最底層，然后從根節(jié)點到每個數(shù)據(jù)的路徑來對其進行相應的編碼得到編碼位，最后用編碼位替換原數(shù)據(jù)塊中的字符，即可得到壓縮后的數(shù)據(jù)。但是，源數(shù)據(jù)塊中可能存在多個連續(xù)的相同字符，如果用編碼位將相同的字符都進行替換，會出現(xiàn)一定程度的空間浪費，可以考慮將連續(xù)出現(xiàn)的相同的字符只替換一次，然后增加標志位，用于記錄該字符連續(xù)出現(xiàn)的次數(shù)，以此節(jié)約更多的存儲空間。
2.3 基于數(shù)據(jù)壓縮的增量快照開銷分析因為增量快照只是復制更改的數(shù)據(jù)塊，當數(shù)據(jù)塊較大時，每次雖然只更新了數(shù)據(jù)塊中的小部分數(shù)據(jù)，仍然需要將整個數(shù)據(jù)塊復制至快照空間，造成存儲空間的浪費。而當數(shù)據(jù)塊較小時，若更改的數(shù)據(jù)較多，則每次需要復制多個數(shù)據(jù)塊，導致快照創(chuàng)建和恢復的操作復雜。因此，數(shù)據(jù)塊大小的選擇也是一個比較關鍵的問題，還需要做更多的測試來比較驗證，以選擇合適的大小
3 恢復鏈路縮減技術
3.1 快照恢復的開銷問題在采用增量快照的基礎上進行研究，增量快照在首次創(chuàng)建快照時完全備份，之后僅備份自上次快照時間點之后更改的數(shù)據(jù)塊。因此，當恢復指定時間點的快照時，需采用遞進式的恢復方法，當快照版本增多時，恢復快照的開銷也會相應的增大，因此，需要在原有快照恢復方法的基礎上作進一步的改進，以控制快照的恢復開銷。
3.2 恢復鏈路縮減算法針對上述問題，本文在已有的基于增量快照的快照恢復方法基礎上，提出了恢復鏈路縮減的快照恢復技術，即在從特定時間點至首次快照時間點之間的快照鏈路上，將對同一數(shù)據(jù)塊的多次遞進式恢復縮減為一次。在首次創(chuàng)建快照時，同時建立一個日志文件，該文件包括快照創(chuàng)建時間、需備份的數(shù)據(jù)塊地址和該數(shù)據(jù)塊在快照空間的地址三個字段
4 總結語
在大數(shù)據(jù)時代，保證數(shù)據(jù)的安全性和完整性具有重要意義，因此，越來越多的存儲系統(tǒng)采用快照技術來保證數(shù)據(jù)的安全性。然而在分布式文件系統(tǒng)中，快照創(chuàng)建的空間開銷隨著系統(tǒng)數(shù)據(jù)量的增大急劇增大。并且隨著快照數(shù)量的增多，存儲快照所占用的空間和系統(tǒng)失效時恢復快照的開銷也會增大，從而嚴重影響分布式文件系統(tǒng)的性能和可擴展性。
【面向分布式文件系統(tǒng)的可擴展數(shù)據(jù)快照科技論文】相關文章：
基于知識網(wǎng)格的分布式數(shù)據(jù)挖掘論文04-25
淺析基于云計算的分布式數(shù)據(jù)挖掘系統(tǒng)設計與實現(xiàn)論文04-20
AT24C512中數(shù)據(jù)的文件系統(tǒng)化管理論文07-01
基于Java RMI的分布式數(shù)據(jù)庫系統(tǒng)的應用與研究的論文04-14
分析科技人才數(shù)據(jù)庫建設的現(xiàn)狀論文11-04
分布式電源系統(tǒng)設計論文04-19