chp9大數(shù)據(jù)與海量存儲

1、1In God we trust; all others must bring data.- W. Edwards Deming, statistician, professor, author, lecturer, and consultant 第8介紹了移動通信技術(shù)的發(fā)展，重點介紹了我國使用的第三代移動通信技術(shù)和標準（TD-SCDMA，W-CDMA，CDMA2000），并討論了移動互聯(lián)網(wǎng)的典型應(yīng)用。2 9.1 從網(wǎng)絡(luò)化存儲到數(shù)據(jù)中心 9.2 數(shù)據(jù)中心建設(shè) 9.3 數(shù)據(jù)中心技術(shù) 9.4 典型的數(shù)據(jù)中心 9.5 數(shù)據(jù)中心的研究熱點 9.6 數(shù)據(jù)中心與云存儲34甲骨文紙質(zhì)書籍數(shù)字化存儲 全球信息

2、總量迅猛增長 2007年產(chǎn)生的數(shù)據(jù)量為281EB（1EB=10億GB），2011年1.8ZB 物聯(lián)網(wǎng)中對象的數(shù)量將龐大到以百億為單位 大數(shù)據(jù) 無法在一定時間內(nèi)用常規(guī)軟件工具對其內(nèi)容進行抓取管理和處理的數(shù)據(jù) 數(shù)量大（Volume），種類多（Variety），速度快（Velocity） 導致了網(wǎng)絡(luò)化存儲和大型數(shù)據(jù)中心的誕生5 9.1 從網(wǎng)絡(luò)化存儲到數(shù)據(jù)中心 9.2 數(shù)據(jù)中心建設(shè) 9.3 數(shù)據(jù)中心技術(shù) 9.4 典型的數(shù)據(jù)中心 9.5 數(shù)據(jù)中心的研究熱點 9.6 數(shù)據(jù)中心與云存儲6 直接附加存儲（Direct-Attached Strorage，DAS） 將存儲系統(tǒng)通過纜線直接與服務(wù)器或工作站相連 一

3、般包括多個硬盤驅(qū)動器，與主機總線適配器通過電纜或光纖 在存儲設(shè)備和主機總線適配器之間不存在其他網(wǎng)絡(luò)設(shè)備 實現(xiàn)了計算機內(nèi)存儲到存儲子系統(tǒng)的跨越7 網(wǎng)絡(luò)附加存儲（Network Attached Storage，NAS） 文件級的計算機數(shù)據(jù)存儲架構(gòu) 計算機連接到一個僅為其它設(shè)備提供基于文件級數(shù)據(jù)存儲服務(wù)的網(wǎng)絡(luò) NAS與DAS的區(qū)別 DAS是一種對已有服務(wù)器的簡單擴展，并沒有真正實現(xiàn)網(wǎng)絡(luò)互聯(lián)。NAS則是將網(wǎng)絡(luò)作為存儲實體，更容易實現(xiàn)文件級別的共享。NAS性能上比DAS有所增強8 存儲區(qū)域網(wǎng)絡(luò)（Storage Area Network，SAN） 通過網(wǎng)絡(luò)方式連接存儲設(shè)備和應(yīng)用服務(wù)器的存儲架構(gòu) 由服務(wù)器

4、、存儲設(shè)備和SAN連接設(shè)備組成 SAN的特點 存儲共享 支持服務(wù)器從SAN直接啟動910 DAS 管理容易，結(jié)構(gòu)簡單；集中式體系結(jié)構(gòu)，不能滿足大規(guī)模數(shù)據(jù)訪問的需求；存儲資源利用率低，資源共享能力差，造成“信息孤島”。 NAS 網(wǎng)絡(luò)的存儲實體，容易實現(xiàn)文件級別共享；性能嚴重依賴于網(wǎng)絡(luò)流量，用戶數(shù)過多，讀寫過頻繁時性能受限。 SAN 存儲管理簡化，存儲容量利用率提高；無直接文件級別的訪問能力，但可在SAN基礎(chǔ)上建立文件系統(tǒng)。11 9.1 從網(wǎng)絡(luò)化存儲到數(shù)據(jù)中心 9.2 數(shù)據(jù)中心建設(shè) 9.3 數(shù)據(jù)中心技術(shù) 9.4 典型的數(shù)據(jù)中心 9.5 數(shù)據(jù)中心的研究熱點 9.6 數(shù)據(jù)中心與云存儲12 維基百科：

5、“數(shù)據(jù)中心是一整套復雜的設(shè)施。它不僅僅包括計算機系統(tǒng)和其它與之配套的設(shè)備（例如通信和存儲系統(tǒng)），還包含冗余的數(shù)據(jù)通信連接、環(huán)境控制設(shè)備、監(jiān)控設(shè)備以及各種安全裝置?！?Google： “多功能的建筑物，能容納多個服務(wù)器以及通信設(shè)備。這些設(shè)備被放置在一起是因為它們具有相同的對環(huán)境的要求以及物理安全上的需求，并且這樣放置便于維護?！?314大型機微型機大規(guī)模數(shù)據(jù)中心(Mega Data Center)15大規(guī)模數(shù)據(jù)中心已經(jīng)得到推廣 數(shù)據(jù)中心建設(shè)者面對的難題 如何規(guī)劃一個新的數(shù)據(jù)中心？ 怎樣對數(shù)據(jù)中心進行升級？ 數(shù)據(jù)中心的標準對相關(guān)經(jīng)驗進行了總結(jié) ANSI/TIA/EIA-942（簡稱TIA-942）

6、：數(shù)據(jù)中心標準電信產(chǎn)業(yè)協(xié)會（TIA）提出美國國家標準學會（ANSI）批準16 選址：需要考慮多方面因素 建設(shè)和運營成本 應(yīng)用需求 政策優(yōu)惠 布局： 按功能區(qū)域劃分17功能區(qū)域組成 TIA-942還對纜線系統(tǒng)，可靠性分級，能源系統(tǒng)和降溫系統(tǒng)等做了規(guī)定。18纜線系統(tǒng)規(guī)格如何放置纜線能源系統(tǒng)外部電力供應(yīng)電池組發(fā)電機降溫系統(tǒng)降溫設(shè)備架空地板冷通道與熱通道 9.1 從網(wǎng)絡(luò)化存儲到數(shù)據(jù)中心 9.2 數(shù)據(jù)中心建設(shè) 9.3 數(shù)據(jù)中心技術(shù) 9.4 典型的數(shù)據(jù)中心 9.5 數(shù)據(jù)中心的研究熱點 9.6 數(shù)據(jù)中心與云存儲19 簡介 全球共建有近40個大規(guī)模數(shù)據(jù)中心 單個數(shù)據(jù)中心需要至少50兆瓦功率，約等于一個小型城市

7、所有家庭的用電量 獨特的硬件設(shè)備：定制的以太網(wǎng)交換機、能源系統(tǒng)等 自行研發(fā)的軟件技術(shù)：Google File System、MapReduce、BigTable等20 GFS的設(shè)計觀念 組件失效不再被認為是意外，而是被看做正常的現(xiàn)象 GFS的文件非常巨大 對文件的操作具有特定的模式 應(yīng)用程序和文件系統(tǒng)API的協(xié)同設(shè)計提高了整個系統(tǒng)的靈活性21 一個GFS集群包含一個主服務(wù)器和多個塊服務(wù)器，并被多個客戶端訪問。 文件分成固定大小的“塊”。每個塊在創(chuàng)建時都由主服務(wù)器分配一個固定不變的64位句柄唯一標識。 塊服務(wù)器把塊作為Linux文件存儲在本地磁盤上，并根據(jù)指定的塊句柄和字節(jié)范圍對數(shù)據(jù)塊進行讀寫操

8、作。22 主服務(wù)器維護所有文件系統(tǒng)的元數(shù)據(jù)，包括名字空間、訪問控制信息、文件到塊的映射信息以及塊當前的位置。此外，主服務(wù)器還控制其它系統(tǒng)級的活動。主服務(wù)器周期性地與塊服務(wù)器通信，以下達指令和收集狀態(tài)。 GFS客戶端代碼被嵌入到每個應(yīng)用中。它實現(xiàn)了文件系統(tǒng)API，實現(xiàn)主服務(wù)器與塊服務(wù)器的通信從而代表應(yīng)用實現(xiàn)讀寫操作。客戶端與服務(wù)器交互從而實現(xiàn)元數(shù)據(jù)操作，但所有的數(shù)據(jù)操作都通過直接與塊服務(wù)器交互而完成。23 MapReduce是一種針對超大規(guī)模數(shù)據(jù)集的編程模型和系統(tǒng) 用MapReduce開發(fā)出的程序可在大量商用計算機集群上并行執(zhí)行、處理計算機的失效以及調(diào)度計算機間的通信 MapReduce的基本思

9、想 用戶寫的兩個程序：Map和Reduce 一個在計算機集群上執(zhí)行多個程序?qū)嵗目蚣?4 MapReduce程序的執(zhí)行過程25 BigTable是一種用來在海量數(shù)據(jù)規(guī)模下（例如包含以PB為單位的數(shù)據(jù)量和數(shù)千臺廉價計算機的應(yīng)用）管理結(jié)構(gòu)化數(shù)據(jù)的分布式存儲系統(tǒng)。 應(yīng)用 Google地球 網(wǎng)頁索引 RSS閱讀器 26 每個BigTable都是一個稀疏的、分布式的多維有序圖，按行鍵值、列鍵值和時間戳建立索引27 什么是Hadoop？ Apache開源組織的一個分布式計算開源框架 用于在大型集群的廉價服務(wù)器設(shè)備上運行數(shù)據(jù)密集型分布式應(yīng)用程序 在早期實際上是Google文件系統(tǒng)與MapReduce分布式計

10、算框架及相關(guān)IT基礎(chǔ)服務(wù)的開源實現(xiàn) Hadoop包括多個子項目 HDFS、 MapReduce、 HBase 、Chukwa、Pig、ZooKeeper等28 Hadoop Distributed File System29 9.1 從網(wǎng)絡(luò)化存儲到數(shù)據(jù)中心 9.2 數(shù)據(jù)中心建設(shè) 9.3 數(shù)據(jù)中心技術(shù) 9.4 典型的數(shù)據(jù)中心 9.5 數(shù)據(jù)中心的研究熱點 9.6 數(shù)據(jù)中心與云存儲30 Google數(shù)據(jù)中心選址： 能源、水源、空地面積、與其他數(shù)據(jù)中心間距離、稅收等 在俄勒岡州，規(guī)劃建設(shè)3個約6400平方米的中心機房31Google數(shù)據(jù)中心在全球的分布 數(shù)據(jù)中心能耗比（PUE）普遍在2左右 Googl

11、e達到1.16，業(yè)界領(lǐng)先 中心高溫化 特殊定制的網(wǎng)絡(luò)服務(wù)器 與Google研制的集成了電池的能源系統(tǒng)兼容 提高效率，降低能耗32 9.1 從網(wǎng)絡(luò)化存儲到數(shù)據(jù)中心 9.2 數(shù)據(jù)中心建設(shè) 9.3 數(shù)據(jù)中心技術(shù) 9.4 典型的數(shù)據(jù)中心 9.5 數(shù)據(jù)中心的研究熱點 9.6 數(shù)據(jù)中心與云存儲33 2006年Google在數(shù)據(jù)中心項目上的花費為19億美元，而2007年該項支出增加到24億美元。 Google在俄勒岡州的數(shù)據(jù)中心有近100兆瓦的功率，滿負荷運行時消耗的電力基本上和紐卡斯爾（Newcastle）一個城市所有家庭的用電量加起來一樣多。 研究熱點：如何在保證服務(wù)質(zhì)量的前提下降低成本？34Googl

12、e在俄勒岡州哥倫比亞河邊的數(shù)據(jù)中心 基礎(chǔ)設(shè)施部分包括能源系統(tǒng)、降溫系統(tǒng)、各種防火設(shè)備、安保設(shè)備等。降低這一部分成本往往涉及到機械設(shè)備制造技術(shù)或政策優(yōu)惠等因素，與計算機學科的關(guān)聯(lián)程度相對較低。 我們分別從服務(wù)器，網(wǎng)絡(luò)設(shè)備，能源三個方面對造成高成本的原因和目前的解決方法進行簡要介紹35 服務(wù)器的實際利用效率較低 分配到各服務(wù)器的應(yīng)用不能完全利用某些組件 對應(yīng)用需求的預測比較難，無法做到按需分配 為了提高系統(tǒng)的可靠性，一般都留有冗余設(shè)備 提高服務(wù)器利用率的關(guān)鍵在于及時應(yīng)對需求的動態(tài)變化36 主要來源 交換機、路由器、負載均衡設(shè)備 傳統(tǒng)的數(shù)據(jù)中心使用樹形結(jié)構(gòu)，核心交換機和路由器構(gòu)成流量瓶頸，且造價昂貴

13、 研究熱點：新的數(shù)據(jù)中心網(wǎng)絡(luò)結(jié)構(gòu) 以交換機為中心的多層樹形結(jié)構(gòu)：例如Fat-Tree 以服務(wù)器為中心的互聯(lián)結(jié)構(gòu)：例如DCell37 研究熱點 降低服務(wù)器工作能耗 降低同等性能設(shè)備能耗 提高同等能耗設(shè)備性能 可調(diào)整負載的服務(wù)器 減少降溫系統(tǒng)能耗 精細、精準的溫度控制 集裝箱式模塊化數(shù)據(jù)中心38 9.1 從網(wǎng)絡(luò)化存儲到數(shù)據(jù)中心 9.2 數(shù)據(jù)中心建設(shè) 9.3 數(shù)據(jù)中心技術(shù) 9.4 典型的數(shù)據(jù)中心 9.5 數(shù)據(jù)中心的研究熱點 9.6 數(shù)據(jù)中心與云存儲39 Google的數(shù)據(jù)中心屬于“自產(chǎn)自銷”模式，同時提供產(chǎn)品和服務(wù) Amazon開創(chuàng)了云存儲和云計算的商業(yè)模式 彈性計算云：提供海量數(shù)據(jù)計算服務(wù) 簡單存

14、儲服務(wù)(S3)：可伸縮、可靠、高可用、低成本的存儲服務(wù) Dropbox后臺即架設(shè)于S3之上 未來物聯(lián)網(wǎng) 不同商業(yè)機構(gòu)共享云存儲，而不需要建立自己的數(shù)據(jù)中心 對海量數(shù)據(jù)的分析和處理也可以依托云計算進行40內(nèi)容回顧 本章介紹了三種基本的網(wǎng)絡(luò)存儲體系結(jié)構(gòu)，并討論了數(shù)據(jù)中心的基本概念，以Google數(shù)據(jù)中心和Hadoop為例，簡要介紹了數(shù)據(jù)中心的相關(guān)技術(shù)，指出了數(shù)據(jù)中心的研究熱點，最后分析了數(shù)據(jù)中心與云存儲的關(guān)系。41重點掌握 了解物聯(lián)網(wǎng)對海量數(shù)據(jù)存儲的迫切需求。 理解三種基本的網(wǎng)絡(luò)存儲體系結(jié)構(gòu)（DAS，NAS，SAN）的基本概念以及各自的優(yōu)缺點。 理解數(shù)據(jù)中心的概念，以Google數(shù)據(jù)中心為例，了解GFS，MapReduce，BigTable等技術(shù)的基本概念和特點。了解Hadoop分布式計算開源框架的特點。 了解保證性能前提下降低數(shù)據(jù)中心成本的方法（服務(wù)器成本，網(wǎng)絡(luò)設(shè)備成本，能