对象存储与 HashData 多云战略
多云架构的应运而生
今天,随着企业数字化进程的推进,多云成为了企业 IT 基础设施建设的重要特点。多云战略的实施,帮助企业降低了成本,提高了服务效率及安全性。特别是全球性跨国公司,不仅需要业务集中化管理,同时需要满足不同地域的业务运营和监管需求。相比于 AWS、Azure、谷歌云等公有云上的云原生数据仓库,HashData 通过支持多种对象存储,能够提供完全兼容多个公有云与混合云的数据管理能力。
对象存储的优势
以 Amazon S3 为例,如下表格从多个维度将对象存储与 Hadoop 体系架构中的 HDFS 进行比较:
我们可以看到,相对于传统的 HDFS 分布式存储,以 S3 为代表的对象存储服务不仅具备弹性能力,同时在可用性与持久性上也提高了约一个数量级,而成本却只有前者的十分之一。由此可见,在云计算时代,对象存储已经全面超越 HDFS,成为未来大数据的基础。
此外,对象存储的访问方式是基于 HTTP 协议的,能够无缝与各种 Web 应用和工具集成,并应用于广域网,从而实现跨数据中心、跨云平台的数据访问,使多云架构、跨云数据共享成为可能。
HashData 支持多种对象存储
在主流的数据库系统(包括 Oracle、DB2、PostgreSQL 等)术语中,都有一个叫表空间(Tablespace)的概念。表空间是数据库系统中,数据库逻辑结构和文件系统物理结构之间建立映射的重要存储结构,它作为数据库与实际存储数据的物理存储设备之间的中间层,用来指明数据库中数据存放的物理位置。任何表的创建都必须显式或隐式地为其指定表空间,且数据库中的所有数据均位于表空间中。
继承于 PostgreSQL 的表空间,HashData 云数据仓库创新性地在传统的表空间与对象存储中的存储桶(Bucket) 之间建立映射关系,通过不同的表空间无缝对接多个跨平台、跨地域的对象存储系统,从而实现在一个集群中访问不同平台、不同类型、不同地域的对象存储系统,使得应用可以根据数据重要性、访问地域等因素选择性地将不同数据放在不同的对象存储系统中
产品架构
下面,我们以数据加载为例,比较一下传统 ETL 架构图(基于 Greenplum Database)与 HashData 基础架构对比图:
HashData 数据库 ETL 架构(上图右)相对于传统的数据库 ETL 架构(上图左)不需要额外的 ETL 服务器支持以及配置复杂的 ETL 过程。我们只需要将原始数据文件上传到对象存储上,然后在数据库中创建指向这些数据文件的外部表,便可以使用 OSS 协议,通过 segment 进行并行的数据导入,并将经过格式转化、编码压缩的数据(方便后续的高效访问)重新落回到对象存储中,完成 ETL 过程。
如何进行应用实践
以某网省数据迁移为例,原本应用的商业版对象存储,在自建对象存储团队后,用自研对象存储替换商业版对象存储,总数据量约为 2PB,存储半年数据,应用方案如下:
1. 在原有 HashData 集群中创建新的表空间,指向新对象存储;
2. 在新的表空间中创建表结构跟原表一样的空表;
3. 从原表中扫描出来数据插入到新表中,完成数据从一个对象存储到另一个对象存储的迁移;
实践中,以下为整个方案的核心过程模拟,通过 HashData 集群将数据从一个 Bucket(代表旧的对象存储)迁移到另一个 Bucket(代表新的对象存储)下面,使用的对象存储是青云 QingCloud 的对象存储服务 QingStor:
1. 创建一张 AO 表,使用默认表空间。
2. 使用新的 Bucket 创建第二个表空间。
3. 创建第二张 AO 表,使用 2 创建的表空间。
4. 通过 insert into ... select 方式将数据导入第二张 AO 表中。
5. 验证数据。
小结
多云环境下,面对市场上多个公有云厂商(如 AWS、阿里云、腾讯云等,它们提供各自的对象存储服务)及种类繁多的私有云解决方案(它们的对象存储大多基于开源的 Ceph,Swift,Minio 等),如何高效、安全且低成本地实施多云战略是每个 CIO 需要认真考虑的问题。自公司创立之初,我们就坚信对象存储将成为未来大数据的基础。作为公司旗舰产品,HashData 云数据仓库围绕对象存储和抽象服务构建,通过将计算与存储解耦,支持多种对象存储,使跨云、跨数据中心的数据共享成为了可能,为企业多云战略的实施提供了一个灵活而易用的解决方案。
版权声明: 本文为 InfoQ 作者【HashData】的原创文章。
原文链接:【http://xie.infoq.cn/article/9b165ff9b3eb2ca0304bb1ddc】。文章转载请联系作者。
评论