采用HDFS技術(shù)的云存儲的應(yīng)用解決方案

海量的高校信息資源需要整合，這是當(dāng)前不爭的事實(shí)，因?yàn)楦咝Ｐ畔①Y源存在著資源分布不均衡、更新維護(hù)成本高、共享程度低和安全性差等一系列問題。整合需要解決的首要問題就是信息的合理存儲，以便實(shí)現(xiàn)對其高效、安全的訪問。與傳統(tǒng)的存儲方式相比，云存儲很好地解決了這個問題。

云存儲（Cloud Storage）是在云計算（Cloud Computing）概念上延伸和發(fā)展出來的一個新的概念，它是指通過集群應(yīng)用、網(wǎng)格技術(shù)或分布式文件系統(tǒng)等功能，將網(wǎng)絡(luò)中大量各種不同類型的存儲設(shè)備通過應(yīng)用軟件集合起來協(xié)同工作，共同對外提供數(shù)據(jù)存儲和業(yè)務(wù)訪問功能的一個系統(tǒng)。

1 存儲方式的比較

高可靠性：云存儲實(shí)現(xiàn)對信息的分布式存儲，信息被切分為多個數(shù)據(jù)塊分散存儲在云中的節(jié)點(diǎn)中，實(shí)現(xiàn)了多副本備份機(jī)制，因此安全性要遠(yuǎn)高于傳統(tǒng)的單一甚至帶有鏡像服務(wù)器的信息存儲方式。

訪問的高效性：云中的控制節(jié)點(diǎn)通過"心跳檢測"不斷地監(jiān)視存儲節(jié)點(diǎn)的狀態(tài)，當(dāng)發(fā)現(xiàn)存儲節(jié)點(diǎn)已經(jīng)失效時，控制節(jié)點(diǎn)能夠?qū)⒐ぷ髫?fù)載交給那些運(yùn)行正常的存儲節(jié)點(diǎn)來完成。同時，由于云中的數(shù)據(jù)是分布式的存儲，能夠很好地分擔(dān)存儲和訪問的壓力，這些都使得云存儲具有很高訪問的效率。

存儲成本低：原先的信息資源的存儲一般使用專業(yè)的存儲設(shè)備，價格不菲，使得資源存儲的成本也隨之提高。而云中的存儲設(shè)備都是廉價的商業(yè)機(jī)，跟單一的大容量專業(yè)存儲設(shè)備相比較，存儲容量更大，存儲成本更低。

管理便捷：云存儲能夠在軟件層做到自動容錯而不依賴硬件本身的容錯，而且將信息資源存儲在云中，有利于對資源進(jìn)行統(tǒng)一的管理，提高資源的使用率。

另外，云存儲還具有超強(qiáng)的可擴(kuò)展性、不受具體地理位置所限、基于商業(yè)組件、按照使用收費(fèi)（如每G收15美分）、可跨不同應(yīng)用等。所有這些充分體現(xiàn)了云存儲這種方式的優(yōu)越性。

2 基于HDFS的云存儲

2.1 HDFS的引入

目前各大公司都有自己的云存儲產(chǎn)品，如微軟公司的"Windows Live Sky Drive"網(wǎng)絡(luò)移動硬盤服務(wù)、Google公司的"Google Stora ge"的云計算存儲服務(wù)、亞馬遜的Amazon webservices等。

在眾多的云存儲產(chǎn)品技術(shù)中，HDFS技術(shù)可以實(shí)施運(yùn)行在普通的PC集群上，有效降低存儲成本，該技術(shù)是Google文件系統(tǒng)（GFS）的開源實(shí)現(xiàn)，是分布式計算開源框架Hadoop的底層實(shí)現(xiàn)，Hadoop是Google集群系統(tǒng)的一個開源項(xiàng)目總稱，Google集群系統(tǒng)是使用低成本的成熟技術(shù)構(gòu)建的一個穩(wěn)定、高性能、高可用性、可擴(kuò)展的系統(tǒng)。Hadoop平臺雖然是一項(xiàng)新興的技術(shù)，但它的發(fā)展非常迅速，已開始被應(yīng)用在企業(yè)、高校、科研機(jī)構(gòu)等各個行業(yè)。文中重點(diǎn)研究HDFS云存儲在高校信息整合中是如何應(yīng)用的。

2.2 HDFS的理論剖析

Hadoop文件系統(tǒng)（Hadoop Distributed File System,HDFS）雖然和現(xiàn)有的文件系統(tǒng)有相似之處，也是可以運(yùn)行在普通的硬件之上的分布式文件系統(tǒng)，但是HDFS具有高容錯性，可以部署在低成本的硬件之上，可以以流的方式訪問文件數(shù)據(jù)，從而高吞吐量地對應(yīng)用程序進(jìn)行訪問，這些還是和一般的文件系統(tǒng)有區(qū)別的。圖1是HDFS體系結(jié)構(gòu)圖。

圖1 HDFS體系結(jié)構(gòu)圖

研究HDFS的體系結(jié)構(gòu)圖可以得知，名稱節(jié)點(diǎn)上保存這控制數(shù)據(jù)節(jié)點(diǎn)信息的元數(shù)據(jù)。客戶端可以通過名稱節(jié)點(diǎn)對元數(shù)據(jù)進(jìn)行操作，也可以直接對數(shù)據(jù)節(jié)點(diǎn)進(jìn)行讀寫。HDFS體系結(jié)構(gòu)是個主從結(jié)構(gòu)，這個主從結(jié)構(gòu)常由單個的名稱節(jié)點(diǎn)和多個數(shù)據(jù)節(jié)點(diǎn)組成，名稱節(jié)點(diǎn)負(fù)責(zé)管理文件命名空間和客戶端訪問的主服務(wù)器，而數(shù)據(jù)節(jié)點(diǎn)則負(fù)責(zé)對存儲進(jìn)行管理，下面來剖析一下體系結(jié)構(gòu)各部分的功能。

2.2.1 名稱節(jié)點(diǎn)和數(shù)據(jù)節(jié)點(diǎn)的功能

名稱節(jié)點(diǎn)的功能包括4個方面：一是管理元數(shù)據(jù)和文件塊：二是管理文件系統(tǒng)的命名空間，包括記錄文件系統(tǒng)元數(shù)據(jù)被修改的情況：三是監(jiān)聽客戶端和數(shù)據(jù)節(jié)點(diǎn)請求和處理這些請求?？蛻舳耸录容^復(fù)雜，比如名字空間的創(chuàng)建與刪除，文件的創(chuàng)建、刪除和修改等，數(shù)據(jù)節(jié)點(diǎn)的事件包括文件塊信息變化、心跳響應(yīng)等：四是心跳檢測。所謂心跳檢測，就是數(shù)據(jù)節(jié)點(diǎn)會定期將自己的負(fù)載情況通過心跳信息向名稱節(jié)點(diǎn)匯報。

數(shù)據(jù)節(jié)點(diǎn)的功能包括3個方面：一是通過自身服務(wù)進(jìn)程與文件系統(tǒng)客戶端打交道，完成數(shù)據(jù)塊的讀寫；二是周期性的向名稱節(jié)點(diǎn)發(fā)送信號，報告本節(jié)點(diǎn)的狀態(tài)；三是執(zhí)行數(shù)據(jù)的流水線復(fù)制。

2.2.2 元數(shù)據(jù)和數(shù)據(jù)交互

HDFS體系結(jié)構(gòu)中有三種類型的元數(shù)據(jù)保存在名稱節(jié)點(diǎn)的內(nèi)存中，分別是：文件（包含目錄）的名字空間、文件到文件塊的映射、文件塊的位置信息。這種數(shù)據(jù)結(jié)構(gòu)對于數(shù)據(jù)訪問的效率和安全性都有很大的幫助。

HDFS中數(shù)據(jù)的交互無外乎數(shù)據(jù)的讀和寫，重點(diǎn)設(shè)計的對象就是客戶端、名稱節(jié)點(diǎn)和數(shù)據(jù)節(jié)點(diǎn)?？蛻舳耸紫葟拿Q節(jié)點(diǎn)中讀取對應(yīng)的文件塊信息，再和數(shù)據(jù)節(jié)點(diǎn)建立連接并獲取數(shù)據(jù)，圖2具體描述了數(shù)據(jù)讀取過程。

圖2HDFS 數(shù)據(jù)讀取過程

HDFS的數(shù)據(jù)寫入過程比讀取過程細(xì)節(jié)上更為復(fù)雜一些，但是模型圖非常類似。除了數(shù)據(jù)的讀寫，維護(hù)數(shù)據(jù)的可用性和一致性也是系統(tǒng)最基本的要求和重要的功能。一般來說，系統(tǒng)通過數(shù)據(jù)復(fù)制、節(jié)點(diǎn)故障、數(shù)據(jù)校驗(yàn)、垃圾回收機(jī)制來維護(hù)數(shù)據(jù)的可用性和一致性。

3 HDFS的云存儲應(yīng)用于整合高校信息資源

3.1 系統(tǒng)分析與設(shè)計

目前高校信息資源面臨著空前的海量數(shù)據(jù)管理難題，存儲數(shù)據(jù)的成本在不斷增加，而且信息的安全性也亟待提高。因此要借用云存儲這種新的工作模式來解決這個問題。根據(jù)高校的特殊情況，結(jié)合云存儲的優(yōu)點(diǎn)，要設(shè)計一個成功的云存儲案例，需要考慮這么幾個方面：

1）低成本海量存儲 將數(shù)據(jù)存儲在一般的個人電腦構(gòu)成的網(wǎng)絡(luò)中，并進(jìn)行合理調(diào)配，構(gòu)成一個有機(jī)海量存儲設(shè)備。

2）高效率的訪問 數(shù)據(jù)盡可能的存儲在不同的數(shù)據(jù)節(jié)點(diǎn)中，當(dāng)客戶端對信息進(jìn)行請求時，能高效的回復(fù)，并做到并發(fā)。

3）安全性高 每個文件都會有多個副本分別存儲在多個數(shù)據(jù)節(jié)點(diǎn)上。如果某個數(shù)據(jù)節(jié)點(diǎn)出現(xiàn)問題，不會發(fā)生文件丟失的現(xiàn)象。

3.2 系統(tǒng)功能設(shè)計

高校相對于云存儲系統(tǒng)是一個用戶，而高校內(nèi)部有多個部門，相對于云存儲系統(tǒng)的用戶高校來說是一個子用戶。云存儲系統(tǒng)能夠創(chuàng)建、管理、維護(hù)高校云存儲用戶；高校云用戶能夠創(chuàng)建、管理、維護(hù)各部門子用戶。而子用戶才是真正的終端信息存儲用戶，他們上傳、下載、刪除數(shù)據(jù)信息。由于我們的這個系統(tǒng)是基于HDFS的，而一個基本的HDFS由一個NameNode和n個DataNode組成，云存儲系統(tǒng)是由多個地方的HDFS存儲設(shè)備通過應(yīng)用軟件集合起來協(xié)同工作，完成外部訪問請求?？梢詫⒈疚拿枋龅姆植际轿募到y(tǒng)（DFS）抽象成一個三級模型，如圖3所示。

圖3 系統(tǒng)結(jié)構(gòu)圖

根據(jù)系統(tǒng)結(jié)構(gòu)圖可以清楚看到本文描述的分布式文件系統(tǒng)（DFS）的業(yè)務(wù)邏輯模型：終端網(wǎng)絡(luò)發(fā)出信息存取訪問請求，DFS通過封裝與HDFS通信協(xié)議的Client客戶端與基于HDFS的云存儲系統(tǒng)進(jìn)行通信，完成對信息的訪問。HDFS存儲業(yè)務(wù)以云狀分布在網(wǎng)絡(luò)的各個部分，它具有容量大、性能高、可靠性好、協(xié)同優(yōu)良的特點(diǎn)，正是這些特點(diǎn)，完成了高校信息資源高效訪問與存儲。

4 結(jié)論

基于HDFS的云存儲是一種動態(tài)可調(diào)整、基于互聯(lián)網(wǎng)的存儲解決方案，用戶可以通過通用和易用協(xié)議和應(yīng)用程序接口通過網(wǎng)絡(luò)訪問存儲目標(biāo)，這種新技術(shù)對最終用戶來說很有好處。云存儲可以讓用戶很容易增加存儲容量，而且不需要購買、安裝和管理任何存儲基礎(chǔ)設(shè)施，卻提供了一個完善的備份、容災(zāi)數(shù)據(jù)中心。云存儲的成本和易用性優(yōu)勢對高校具有很強(qiáng)的吸引力，發(fā)展和應(yīng)用前景廣闊。