OPPO 数据湖统一存储技术实践

导读

OPPO 是一家智能终端制造公司，有着数亿的终端用户，每天产生了大量文本、图片、音视频等非结构化数据。在保障数据连通性、实时性以及数据安全治理要求的前提下，如何低成本、高效率地充分挖掘数据价值，成为了拥有海量数据的公司的一大难题。目前业界的流行解决方案是数据湖，本文介绍的 OPPO 自研的数据湖存储 CBFS 在很大程度上可解决目前的痛点。

▌数据湖简述

数据湖定义：一种集中化的存储仓库，它将数据按其原始的数据格式存储，通常是二进制 blob 或者文件。一个数据湖通常是一个单一的数据集，包括原始数据以及转化后的数据（报表，可视化，高级分析和机器学习等）

1. 数据湖存储的价值

对比传统的 Hadoop 架构，数据湖有以下几个优点：

• 高度灵活：数据的读取、写入和加工都很方便，可保存所有的原始数据

• 多重分析：支持包括批、流计算，交互式查询，机器学习等多种负载

• 低成本：存储计算资源独立扩展；采用对象存储，冷热分离，成本更低

• 易管理：完善的用户管理鉴权，合规和审计，数据“存管用”全程可追溯

2. OPPO 数据湖整体解决方案

OPPO 主要从三个维度建设数据湖：最底层的湖存储，我们采用的是 CBFS，它是一种同时支持 S3、HDFS、POSIX 文件 3 种接入协议的低成本存储；中间一层是实时数据存储格式，我们采用了 iceberg；最上层可支持各种不同的计算引擎

3. OPPO 数据湖架构特点

早期大数据存储特点是流计算和批计算的存储放在不同的系统中，升级后的架构统一了的元数据管理，批、流计算一体化；同时提供统一的交互查询，接口更友好，秒级响应，并发度高，同时支持数据源 Upsert 变更操作；底层采用大规模低成本的对象存储作为统一的数据底座，支持多引擎数据共享，提升数据复用能力

4. 数据湖存储 CBFS 架构

我们的目标是建设可支持 EB 级数据的数据湖存储，解决数据分析在成本，性能和体验的挑战，整个数据湖存储分成六个子系统：

• 协议接入层：支持多种不同的协议(S3、HDFS、Posix 文件)，可做到数据用其中一种协议写入，用另外两种协议也可直接读到

• 元数据层：对外呈现文件系统的层次命名空间和对象的扁平命名空间，整个元数据是分布式的，支持分片，线性可扩展

• 元数据缓存层：用来管理元数据缓存，提供元数据访问加速能力

• 资源管理层： 图中的 Master 节点，负责了物理资源（数据节点，元数据节点）以及逻辑资源（卷/桶，数据分片，元数据分片）的管理

• 多副本层：支持追加写和随机写，对大对象和小对象都比较友好。该子系统一个作用是作为持久化的多副本存储；另一个作用是数据缓存层，支持弹性副本，加速数据湖访问，后续再展开。

• 纠删码存储层：能显著降低存储成本，同时支持多可用区部署，支持不同的纠删码模型，轻松支持 EB 级存储规模接下来，会重点分享下 CBFS 用到的关键技术，包括高性能的元数据管理、纠删码存储、以及湖加速

▌CBFS 关键技术

1. 元数据管理

文件系统提供的是层次命名空间视图，整个文件系统的逻辑目录树分成多层，如右图所示，每个元数据节点(MetaNode)包含成百上千的元数据分片（MetaPartition），每个分片由 InodeTree（BTree）和 DentryTree（BTree）组成，每个 dentry 代表一个目录项，dentry 由 parentId 和 name 组成。在 DentryTree 中，以 PartentId 和 name 组成索引，进行存储和检索；在 InodeTree 中，则以 inode id 进行索引。使用 multiRaft 协议保障高可用性和数据一致性复制, 且每个节点集合会包含大量的分片组，每个分片组对应一个 raft group；每个分片组隶属于某个 volume；每个分片组都是某个 volume 的一段元数据范围（一段 inode id ); 元数据子系统通过分裂来完成动态扩容；当一分片组资源(性能、容量)紧接临近值时，资源管理器服务会预估一个结束点，并通知此组节点设备，只服务到此点之前的数据，同时也会新选出一组节点，并动态加入到当前业务系统中。单个目录支持百万级别容量，元数据全内存化，保证优秀的读写性能，内存元数据分片通过 snapshot 方式持久化到磁盘以作备份及恢复使用。

而对象存储提供的是扁平命名空间；以访问 objectkey 为/bucket/a/b/c 的对象为例，从根目录开始，通过”/”分隔符层层解析，找到最后一层目录(/bucket/a/b)的 Dentry，最后找到的/bucket/a/b/c 对于的 Inode，此过程涉及多次节点间交互，层次越深，性能较差；因此我们引入 PathCache 模块用于加速 ObjectKey 解析，简单做法是在 PathCache 中对 ObjectKey 的父目录(/bucket/a/b)的 Dentry 做缓存；分析线上集群我们发现，目录平均大小约为 100，假设存储集群规模在千亿级别，目录条目也才 10 亿个，单机缓存效率很高，同时可通过多个节点不同来提升读性能；在同时支持”扁平”和”层次”命名空间管理的设计，与业界其他系统相比，CBFS 实现得更简洁，更高效，无需任何转换即可轻松实现一份数据，多种协议访问互通，且不存在数据一致性问题。

2. 纠删码存储

降低存储成本的关键技术之一是纠删码(Erasure Code, 简称 EC)，简单介绍一下纠删码原理：将 k 份原始数据，通过编码计算得到新的 m 份数据，当 k+m 份数据丢失任意的不多于 m 份时，通过解码可还原出原始数据(原理有点像磁盘 raid)； 相比传统的多副本存储， EC 的数据冗余度更低，但数据耐久性（durability）更高；其实现也有多种不同方式，多数基于异或运算或者 Reed-Solomon(RS)编码，我们的 CBFS 也采用了 RS 编码

计算步骤：1、编码矩阵，上面 n 行是单位阵 I，下方 m 行是编码矩阵；k+m 个数据块组成的向量，包含原始的数据块和 m 个校验块 2、当某块丢失时：从矩阵 B 删除该块对应的行，得到新的矩阵 B’，然后左边乘上 B‘的逆矩阵，即可恢复丢失的块，详细计算过程大家可线下阅读相关资料

普通的 RS 编码存在一些问题：以上图为例，假设 X1～X6 ，Y1～Y6 为数据块，P1 和 P2 为校验块，若其中任意一块丢失，需要读其余 12 个块才能修复数据，磁盘 IO 损耗大，数据修复所需带宽高，在多 AZ 部署时，问题尤为明显；微软提出的 LRC 编码，通过引入局部校验块来解决该问题，如图所示，在原来全局校验块 P1 和 P2 的基础上，新增 2 个局部校验块 PX 和 PY，假设 X1 损坏，只需读取与其关联 X1～X6 共 6 个块即可修复数据。统计表明，在数据中心，一个条带在一定时间内单块盘故障的概率是 98%，2 个盘同时损坏的概率是 1%，因此 LRC 在大多数场景可大幅提升数据修复效率，但缺点是其非最大距离可分编码，无法做到像全局 RS 编码那样损失任意 m 份数据能把所有的丢修复回来。

EC 类型

1、离线 EC：整个条带 k 个数据单元都写满后，整体计算生成 m 校验块 2、在线 EC：收到数据后同步拆分并实时计算校验块后，同时写入 k 个数据块和 m 个校验块

CBFS 跨 AZ 多模式在线 EC

CBFS 支持了跨 AZ 多模式条带的在线 EC 存储，针对不同的机房条件(1/2/3AZ)、不同大小的对象、不同的服务可用性和数据耐久性需求，系统可灵活配置不同的编码模式以图中“1AZ-RS”模式为例，6 个数据块加 3 个校验块单 AZ 部署； 2AZ-RS 模式，采用了 6 个数据块加 10 个校验块 2AZ 部署，数据冗余度为 16/6=2.67；3AZ-LRC 模式，采用 6 个数据块，6 个全局校验块加 3 个局部校验块模式；同一个集群内同时支持不同的编码模式。

在线 EC 存储架构

包含几个模块 Access: 数据访问接入层，同时提供 EC 编解码能力 CM：集群管理层，管理节点，磁盘，卷等资源，同时负责迁移，修复，均衡，巡检任务，同一个集群支持不同 EC 编码模式并存 Allocator：负责卷空间分配 EC-Node：单机存储引擎，负责数据的实际存储

纠删码写

1、流式收取数据 2、对数据切片生成多个数据块，同时计算校验块 3、申请存储卷 4、并发向各个存储节点分发数据块或校验块数据写入采用简单的 NRW 协议，保证最小写入份数即可，这样在常态化的节点及网络故障时，请求也不会阻塞，保障可用性；数据的接收、切分、校验块编码采取异步流水线方式，也保障高吞吐和低时延。

纠删码读

数据读取也采取了 NRW 模型，以 k=m=2 编码模式举例，只要正确读到 2 个块(不论是数据块还是校验块), 即可快速 RS 解码计算得到原始数据并；此外为提升可用性和降低时延，Access 会优先读临近或低负载的存储节点 EC-Node 可以看到，在线 EC 结合 NRW 协议为确保了数据的强一致性，同时提供保障高吞吐和低时延，很适合大数据业务模型。

3. 数据湖访问加速

数据湖架构带来显著的收益之一是成本节约，但存算分离架构也会遇到带宽瓶颈和性能挑战，因此我们也提供了一系列访问加速技术：首先是多级缓存能力：1、第一级缓存：本地缓存，其与计算节点同机部署，支持元数据和数据缓存，支持内存、PMem、NVme、HDD 不同类型介质，特点是访问时延低，但容量少 2、第二级缓存：分布式缓存，副本数目弹性可变，提供位置感知能力，支持用户/桶/对象级的主动预热和被动缓存，数据淘汰策略也可配置多级缓存策略在我们的机器学习训练场景有不错的加速效果另外存储数据层还支持了谓语下推操作，可显著减少存储与计算节点间大量的数据流动，降低资源开销并提升计算性能；数据湖加速有还很多细致的工作，我们也在持续完善的过程中

▌未来展望

目前 CBFS-2.x 版本已开源，支持在线 EC、湖加速、多协议接入等关键特性的 3.0 版本预计将于 2021 年 10 月开源；后续 CBFS 会增加存量 HDFS 集群直接挂载（免数据搬迁），冷热数据智能分层等特性，以便支持大数据及 AI 原架构下存量数据平滑入湖。

作者简介：

Xiaochun OPPO 存储架构师

更多精彩内容，欢迎关注[OPPO 数智技术]公众号