面向分布式文件系統的可擴展數據快照科技論文
引言
隨著(zhù)信息的全球化，互聯(lián)網(wǎng)產(chǎn)業(yè)得到迅速地發(fā)展，其在科學(xué)研究、數據挖掘和信息獲取等方面的廣泛應用，使人類(lèi)需要存儲和管理越來(lái)越多的數據，進(jìn)而出現數據爆炸的現象。2012年12月，IDC公司的全球數據分析報告如圖1，預計2020年全球數據總量將由2012年的2.72ZB增長(cháng)至40ZB，并且40%的數據需要保證其安全性。然而，受硬件設備失效、火災、地震自然災害等因素的影響，數據的安全性和可靠性受到嚴重威脅。在這個(gè)數據即信息，數據即價(jià)值的大數據時(shí)代，如何保證數據的安全性和完整性成為當前存儲領(lǐng)域越來(lái)越重要的問(wèn)題。
1 目前主流快照技術(shù)
本章首先介紹目前主流的快照創(chuàng )建技術(shù)，包括鏡像分裂、按需復制、指針重映射和增量快照技術(shù)，并分別分析其優(yōu)缺點(diǎn);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(shí)間開(kāi)銷(xiāo)和提高系統可擴展性，提出快照創(chuàng )建和快照恢復需要改進(jìn)的問(wèn)題。
1.1 快照創(chuàng )建1.1.1 鏡像分裂快照技術(shù)鏡像分裂技術(shù)在快照時(shí)間點(diǎn)到來(lái)之前需要為源數據卷創(chuàng )建并維護一個(gè)完整的物理鏡像卷，同一數據的兩個(gè)副本分別保存在由源數據卷和鏡像卷組成的鏡像對上�？煺詹僮鞯絹�(lái)時(shí)，鏡像操作停止，鏡像卷轉化為快照卷，得到一份數據快照，快照卷在完成數據備份后，與源數據卷再次同步，重新成為鏡像卷。鏡像分裂技術(shù)雖然在短時(shí)間內(斷開(kāi)鏡像對所需的時(shí)間)就可以得到一個(gè)完整的物理副本，但其缺乏靈活性，需要預先為源數據卷創(chuàng )建鏡像卷，無(wú)法在任意時(shí)間點(diǎn)為任意的數據卷創(chuàng )建快照，并且其占用大量的存儲資源，會(huì )造成存儲空間的浪費。
1.1.2 按需復制快照技術(shù)[12-14]按需復制技術(shù)在快照時(shí)間點(diǎn)之后開(kāi)始建立源數據卷的完整物理副本。系統接收到快照請求，暫停上層應用，接著(zhù)為源數據卷創(chuàng )建快照卷，并為其分配大于或等于源數據卷容量的存儲空間，同時(shí)建立一個(gè)控制位圖，該控制位圖的每一個(gè)控制位表示源數據卷的一個(gè)單位(通常為數據塊)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(kāi)始運行，將源數據卷的數據塊復制到快照卷，并將對應的控制位圖位置1，表示該數據塊完成復制。在此過(guò)程中，當源數據卷上某數據要被更新時(shí)，若該數據塊尚未完成復制，則這些塊將執行寫(xiě)前復制COW(首先被復制到快照卷，同時(shí)將對應的控制位圖置1，然后才能更新源數據卷的數據);若該塊已完成復制，則直接更新數據。按需復制快照技術(shù)的工作原理如圖2所示： 圖2 按需復制快照技術(shù)工作原理寫(xiě)前復制技術(shù)確保復制操作發(fā)生在更新操作之前，使快照時(shí)間點(diǎn)之后的數據更新不會(huì )出現在快照卷上，保證了數據的完整性。通過(guò)后臺復制和寫(xiě)前復制技術(shù)，最終源數據卷的數據會(huì )被復制到快照卷，得到源數據卷的完整物理副本。
1.1.3 指針重映射技術(shù)[12-14]指針重映射技術(shù)建立一份快照時(shí)刻源數據卷的邏輯副本，不會(huì )產(chǎn)生完整的物理副本。該技術(shù)只需分配少量的快照空間，存儲快照時(shí)間點(diǎn)之后被更新的數據，每個(gè)源數據卷都有一個(gè)數據指針表，該指針表中記錄的`數量等于源數據卷的數據塊數量，每條記錄保存著(zhù)指向對應數據塊的指針�？煺談�(chuàng )建時(shí)，為源數據卷的指針表建立一個(gè)副本，作為快照卷的數據指針表，快照時(shí)間點(diǎn)結束時(shí)，快照卷和源數據卷通過(guò)各自的指針表共享同一份物理數據。 圖3 指針重映射技術(shù)工作原理快照創(chuàng )建之后，當源數據卷中的某數據將要被更新時(shí)，使用寫(xiě)前復制技術(shù)，將要更新的數據寫(xiě)至預先分配的存儲空間，然后修改快照卷的數據指針表使其指向該存儲空間的數據塊。指針重映射技術(shù)工作原理如圖3所示：指針重映射技術(shù)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據卷中被更新的數據，快照技術(shù)無(wú)法得到完整的物理副本，且若更新的數據數量超過(guò)預先分配的存儲空間，快照將失效。
1.1.4 增量快照技術(shù)增量快照是基于按需復制的快照技術(shù)，因此能夠產(chǎn)生各個(gè)連續時(shí)間點(diǎn)的完整物理副本，同時(shí)結合重映射技術(shù)只復制更改數據塊的思想，減少了數據的物理復制工作量。在第一個(gè)快照時(shí)間點(diǎn)，除了分配一個(gè)大于或等于源數據容量的快照卷并建立控制位圖之外，同時(shí)還建立一個(gè)增量位圖，增量位圖用于記錄自上次時(shí)間點(diǎn)的快照創(chuàng )建之后，源數據卷上被更新的數據塊的位置。通過(guò)查詢(xún)控制位圖，執行后臺復制和寫(xiě)時(shí)復制，同時(shí)利用增量位圖記錄快照時(shí)間點(diǎn)之后源數據卷上被更新的數據塊位置。當需要創(chuàng )建B時(shí)間點(diǎn)的快照時(shí)，用前一快照時(shí)間點(diǎn)的控制位圖與此時(shí)的增量位圖進(jìn)行XOR操作，產(chǎn)生快照時(shí)間點(diǎn)B的控制位圖，同時(shí)將增量位圖置0，開(kāi)始記錄時(shí)間點(diǎn)B之后被更新的數據塊，其工作原理如圖4所示： 圖4 增量快照工作原理快照時(shí)間點(diǎn)A時(shí)一部分數據已經(jīng)拷貝至快照卷，同時(shí)增量位圖記錄了自快照時(shí)間點(diǎn)A后源數據卷被修改的數據塊，當創(chuàng )建時(shí)間點(diǎn)B的快照時(shí)，可以通過(guò)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(shí)間點(diǎn)需要存儲的數據，同時(shí)增量位圖置0，記錄時(shí)間點(diǎn)B后被更新的數據塊。
1.1.5 快照技術(shù)總結如表1所示，鏡像分裂技術(shù)雖然備份窗口僅為斷開(kāi)鏡像對的時(shí)間，但每次需要完全復制數據，浪費存儲空間，且缺乏靈活性。按需復制技術(shù)雖然可得到完整的數據副本，但空間開(kāi)銷(xiāo)大并且后臺復制影響系統性能。指針重映射技術(shù)雖然只復制被更新的數據塊，但無(wú)法得到完整的物理副本。增量快照技術(shù)可以實(shí)現連續時(shí)間點(diǎn)的快照，并且在快照時(shí)間點(diǎn)只需要復制更改的數據塊，從時(shí)間和空間的角度綜合考慮，明顯優(yōu)于其他快照技術(shù)。然而，在分布式文件系統中，增量快照的空間開(kāi)銷(xiāo)隨著(zhù)系統規模的增大，仍然會(huì )比較大，因此需要進(jìn)一步改進(jìn)，以節約空間開(kāi)銷(xiāo)，提高系統可擴展性。表1 快照技術(shù)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(guān)系，對主流在分布式文件系統中，隨著(zhù)數據量的增大和快照版本的增多，需要恢復的數據塊數也急劇增多，因此，遞進(jìn)式地恢復特定時(shí)間點(diǎn)快照所需要的時(shí)間也會(huì )相應增多。為了提高數據失效時(shí)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 基于數據壓縮的增量快照技術(shù)
2.1 增量快照的空間開(kāi)銷(xiāo)問(wèn)題數據快照的創(chuàng )建主要包括兩方面：第一，決定需要備份的數據塊;第二，將需備份的數據塊快速寫(xiě)入快照空間。其中決定需要備份的數據塊有兩種情況，全部備份或者部分備份，目前的數據總量急劇增長(cháng)，如果全部備份，所需的快照空間將隨數據總量的增加急劇增加，因此我們采取部分備份，即只備份更新的數據塊。傳統的創(chuàng )建數據快照的技術(shù)鏡像分裂、按需備份、指針重映射和增量備份技術(shù)中，在空間和時(shí)間方面，增量備份有相對低的開(kāi)銷(xiāo)，并且可以創(chuàng )建連續時(shí)間點(diǎn)的快照。
2.2 基于數據壓縮的增量快照技術(shù)隨著(zhù)系統規模的增大，被更新的數據塊逐漸增多，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(jìn)一步的改進(jìn)，使其在大規模的分布式文件系統中具有較小的空間開(kāi)銷(xiāo)和較高的可擴展性。壓縮技術(shù)是按照一定的算法對數據進(jìn)行重新組織，以減少數據的冗余性和存儲空間開(kāi)銷(xiāo)，因此本文將增量快照和壓縮技術(shù)相結合，實(shí)現了基于數據壓縮的增量快照技術(shù)，即在將需要備份的數據塊復制于快照空間之前，首先將這些數據塊進(jìn)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(jìn)一步改進(jìn)，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據塊，分別統計每個(gè)字符出現的次數，按字符出現次數進(jìn)行降序排序并構造二叉樹(shù)，出現次數較多的數據在樹(shù)的最頂層，較少的數據在樹(shù)的最底層，然后從根節點(diǎn)到每個(gè)數據的路徑來(lái)對其進(jìn)行相應的編碼得到編碼位，最后用編碼位替換原數據塊中的字符，即可得到壓縮后的數據。但是，源數據塊中可能存在多個(gè)連續的相同字符，如果用編碼位將相同的字符都進(jìn)行替換，會(huì )出現一定程度的空間浪費，可以考慮將連續出現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出現的次數，以此節約更多的存儲空間。
2.3 基于數據壓縮的增量快照開(kāi)銷(xiāo)分析因為增量快照只是復制更改的數據塊，當數據塊較大時(shí)，每次雖然只更新了數據塊中的小部分數據，仍然需要將整個(gè)數據塊復制至快照空間，造成存儲空間的浪費。而當數據塊較小時(shí)，若更改的數據較多，則每次需要復制多個(gè)數據塊，導致快照創(chuàng )建和恢復的操作復雜。因此，數據塊大小的選擇也是一個(gè)比較關(guān)鍵的問(wèn)題，還需要做更多的測試來(lái)比較驗證，以選擇合適的大小
3 恢復鏈路縮減技術(shù)
3.1 快照恢復的開(kāi)銷(xiāo)問(wèn)題在采用增量快照的基礎上進(jìn)行研究，增量快照在首次創(chuàng )建快照時(shí)完全備份，之后僅備份自上次快照時(shí)間點(diǎn)之后更改的數據塊。因此，當恢復指定時(shí)間點(diǎn)的快照時(shí)，需采用遞進(jìn)式的恢復方法，當快照版本增多時(shí)，恢復快照的開(kāi)銷(xiāo)也會(huì )相應的增大，因此，需要在原有快照恢復方法的基礎上作進(jìn)一步的改進(jìn)，以控制快照的恢復開(kāi)銷(xiāo)。
3.2 恢復鏈路縮減算法針對上述問(wèn)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(shù)，即在從特定時(shí)間點(diǎn)至首次快照時(shí)間點(diǎn)之間的快照鏈路上，將對同一數據塊的多次遞進(jìn)式恢復縮減為一次。在首次創(chuàng )建快照時(shí)，同時(shí)建立一個(gè)日志文件，該文件包括快照創(chuàng )建時(shí)間、需備份的數據塊地址和該數據塊在快照空間的地址三個(gè)字段
4 總結語(yǔ)
在大數據時(shí)代，保證數據的安全性和完整性具有重要意義，因此，越來(lái)越多的存儲系統采用快照技術(shù)來(lái)保證數據的安全性。然而在分布式文件系統中，快照創(chuàng )建的空間開(kāi)銷(xiāo)隨著(zhù)系統數據量的增大急劇增大。并且隨著(zhù)快照數量的增多，存儲快照所占用的空間和系統失效時(shí)恢復快照的開(kāi)銷(xiāo)也會(huì )增大，從而嚴重影響分布式文件系統的性能和可擴展性。
【面向分布式文件系統的可擴展數據快照科技論文】相關(guān)文章：
論面向對象的數據庫技術(shù)論文06-26
基于可擴展的網(wǎng)頁(yè)關(guān)鍵信息抽取研究論文04-14
可擴展集成化云平臺監控機制的設計論文04-20
淺析基于云計算的分布式數據挖掘系統設計與實(shí)現論文04-20
基于Java RMI的分布式數據庫系統的應用與研究的論文04-14
分析科技人才數據庫建設的現狀論文11-04
分布式電源系統設計論文04-19