百分点大数据技术团队：可插拔OSS架构设计和实战经验|服务器|元数据|hbase

分享至

编者按

随着互联网、大数据和人工智能等技术的发展，信息资源得到最大程度的共享，但随之而来的海量文件存取的功能和性能问题也日渐突出。在政务领域解决方案中，对象存储往往扮演着非常重要的角色，如全国各地的健康宝的头像和核酸报告文件或图片的高速并发存取，不同地区应用接口和后端存储的快速适配等。

百分点科技基于海外多个项目的建设经验，沉淀出基于HBase和Ceph的混合对象存储服务，能够有效解决海量文件高速存储的问题，并通过写事件通知，将小文件内容传输至Kafka，实现下游系统以顺序方式读取文件，提升系统整体的吞吐性能。

一

背景介绍

百分点科技早期的OSS整体架构如下图所示，客户端通过LVS代理向OSS服务上传文件，OSS服务会根据文件大小路由到不同的存储服务。

由于数据分布广，所以OSS服务部署在不同的数据中心，每个中心OSS服务(包含存储服务)的集群规模从十几台到五六十台服务器不等，共存储十余PB的文件数据。

虽然老版OSS通过了海量数据的考验，但针对不同场景仍有不足，具体表现如下：

针对演示环境或中小规模数据场景，HBase和Ceph的混合方案显得过于笨重，对于这类场景，本地文件系统或单节点的MinIO即可满足需求；
老版架构层面缺乏设计，仅完成特定场景下的基本功能，不同功能的代码耦合性太强，很难扩展，比如文件类型探测，基于文件元数据的存储路由等；
老版不管文件大小，均使用字节数组存储所有文件，对内存占用过大。

为提升效益，百分点大数据技术团队对老版OSS进行了改造升级，新版OSS不仅拥有出色的文件存取能力，而且更加灵活，具体亮点功能如下：

全局插件化设计，扩展能力非常好；
高性能的文件类型识别，支持数千种类型，并且支持自定义分类接口；
基于元数据的链式过滤，如基于文件类型或其它元数据对文件进行过滤；
动态限流控制，防止单台OSS服务节点压力过大；
动态路由控制，如基于元数据动态路由至后端存储；
支持大量的存储插件，可以基于不同场景进行差异化配置；
丰富的事件通知，如读写通知，读写错误通知，读写性能通知等；
支持Office及PDF等文档的内容提取；
支持自定义文件元数据信息并保存；
性能增强，充分展现后端存储及网络的IO能力。

二

应用设计

1. 整体设计

针对老版OSS的痛点，并围绕OSS服务功能本身，百分点科技重新设计了OSS服务，新版OSS的架构如下图所示：

服务编排

Processor用于编排文件读写逻辑，可调用Router、Detector、Filter、Storage和Notification接口。所有用户API的请求均重定向至Processor，由 Processor统一管理。

文件分类

在老版OSS服务中，一大使用痛点是文件类型是不可知的，强依赖客户端提供的仅仅几种文件类型信息。因此，在新版设计中，百分点科技引入了文件类型探测的功能，能够探测出文件的具体类型，比如图片会识别为image/jpg、image/png等不同的细分类型。

链式过滤

在老版OSS服务中，不管文件类型和大小以及来源，上传文件是全部存储的，但是在客户实际使用中，可能只会用到特定部分的数据，所以，百分点科技增加了根据来源，文件类型等的过滤链，过滤到用不到的文件。如果之前不需要某种类型文件，现在需要了，修改过滤规则即可。

动态路由

在老版OSS服务中，我们使用HBase+Ceph作为后端的存储服务，使用文件大小来决定是存入HBase还是Ceph。但这个逻辑的实现代码耦合性很强，想要增加其他的规则很麻烦。因此，在新服务中将这个功能抽取成路由插件，可以自定义规则实现动态路由。

内容提取

在老版OSS服务中，对于office和PDF类等文档，在ES中是索引不到文档内容的，在新服务中，我们在上传文件时增加了文件类型的探测，如果探测到是office和PDF类等文档，则通过Tika提取出内容，最终内容存入到ES中就可以检索了。

2. API接口设计

API层主要设计了如下几个API：

上传接口

POST

/upload?file_id=eb42cf02-9865-11ec-b909-0242ac120002&file_name=Meeting.pdf

下载接口

GET /download?file_id=eb42cf02-9865-11ec-b909-0242ac120002

批量下载接口

GET /batchDownload

{"fileIds": "eb42cf02-9865-11ec-b909-0242ac120002, 629fe326-9868-11ec-b909-0242ac120002"}

配额查询

GET /getAvailableTokens

3. 类接口设计

这样通过接口的方式实现了各个组件的定义，具体的功能实现在具体组件的实现中实现，具有很大的灵活性和扩展性。

如上面类关系图所示，存储可以选择HBase或者S3协议兼容型的存储。同时，各个组件的选择用配置参数的方式配置在配置文件中，这样切换不同类型存储或者不同消息通知等组件的时候，修改配置文件就可以实现。

4. 配置设计

服务的配置基于SpringBoot的YML配置文件进行配置，但是为了灵活控制服务各插件的行为和功能，我们使用了SpringBoot动态注入Bean的方式类来生成具体的插件。比如关于路由器的配置如下：

具体代码如下：

public class SizeBasedRouter implements Router {

private String id;private String smallFileStorageId;private String largeFileStorageId;

@Bean(name = "router")@Scope("singleton")public Router router() throws Exception {Map config = processorProperties.getRouter();String klass = MapUtils.getString(config, "class");Object object = newObject(klass, config);return (Router) object;

private T newObject(String className, Map properties) throws ClassNotFoundException, InstantiationException, IllegalAccessException, InvocationTargetException {

Assert.hasLength(className, "Class property is mandatory");Class klass = Class.forName(className);Object object = klass.newInstance();BeanUtils.populate(object, properties);return (T) object;

5. 插件设计Processor

Processor用于编排文件读写逻辑，可调用Router，Detector，Filter，Storage和Notification接口。所有用户API的请求均重定向至Processor，由Processor统一管理。

类图如下：

Detector

Detector用于文件类型识别。本系统提供FastDetector，CustomDefaultDetector， ExtraOfficeDetector， FastStringDetector， StringDetector，TokenDetector和TextDetector等。

基于Tika类型探测的基础上进行扩展，通过Stream头尾字节，综合运用了Tika自身和自定义的扩展探测能力，可以实现对上传文件类型的快速探测，不同文件类型的探测能力达到10w/s，甚至100w/s。

其中，带Fast前缀的为优化版本，适合海量数据的文件类型探测，单线程探测性能在每秒数万至百万级别。

类图如下：

Filter

Filter用于文件过滤，因为很多文件是没有价值的图片/js/css/二进制文件等，为了提高OSS的整体效率，实现了基于网站和类型的文件过滤功能。

文件过滤正则示例：

"*:+|+text/html|+text/xml|+text/plain|+application/*json*|+application/*xml*|+application/*form*|+message/*|+multipart/*

|+application/pdf|+application/*office*|+application/*word*|+application/*excel*|+application/*powerpoint*

|+application/*document*|+application/zip|+application/rar|-*/*"

类图如下：

RateLimiter

RateLimiter用于限流，根据既定规则在请求过载的时候进行限流。类图如下：

Router

Router用于对读写请求进行路由，以实现大小文件分发、按类型分发等功能，可同时路由到多个存储以实现读负载均衡或双写等特殊场景。此外，Router方法可返回null值，表示该对象被过滤。可包括SingleRouter，SizeBasedRouter。如果在写时路由变量多于读时路由变量，则可能需要使用缓存记录文件ID、文件路径及存储ID间的关系。

类图如下：

Storage

Storage用于调用实际的存储组件进行读写，已兼容HBase，FastDFS和Ceph、 SeaweedFS、MinIO等兼容S3协议存储，如果要实现一个服务目前不支持的后端存储，只需要实现相应后端存储的Storage插件即可。

类图如下：

Notification

Notification用于调用各类通知组件，用于读写事件、错误及性能问题的通知，如果需要对文件进行进一步处理，也可以通过Spark或者Flink消费Kafka中的数据进行处理。

类图如下：

6. 监控设计

OSS服务监控主要使用Prometheus+Grafana实现，各组件使用各自Exporter，或者自身作为Endpoint为Prometheus提供监控数据，Grafana负责监控展示。通过监控能够观测到集群的整体运行情况，及时告警出现的问题，方便问题排查。

整体OSS服务的监控架构如下：

业务监控

主要是用来监控OSS的吞吐情况，如下图，显示的是OSS每秒上传文件的个数。

应用系统监控

主要是监控OSS服务的内存使用和垃圾回收情况。

后端存储监控

因为使用HBase和Ceph作为混合存储，因此后端存储监控也分为HBase和Ceph的监控。

HBase监控如下图：

Ceph监控如下图：

三

性能测试

1. 测试目标

通过Jmeter进行压力测试，得出OSS服务对于不同类型、不同大小文件的吞吐情况，以验证新版OSS服务是否达到设计之初的目标，并将测试数据用作后续OSS集群规划的重要依据；在压测的过程中通过Jprofiler进行观测，找出性能瓶颈点并进行优化，最终提高服务的整体性能。

2. 测试工具

性能压测工具：Apachejmeter
性能分析工具：Jprofiler
监控工具：Prometheus+Grafna

3. 测试环境

组件共使用了6台机器，OSS服务单独使用一台，HBase、Ceph和Kafka部署在5台服务器上，具体部署情况如下：

4. 软件版本

5. 测试用例

对于不同类型和大小的测试用例，在File Path中指定相应的文件，URL中最后一个字段为文件名，使用Jmeter提供的UUID函数随机生成不同的文件名以使文件存入HBase不同的Region里面。

不同类型的文件分为不同Jmeter脚本，如下图所示：

通过对不同类型文件的上传测试可以得出不同类型文件的吞吐情况，因为新版OSS服务增加了对无用类型文件的过滤，所以即使相同大小的两个文件，如果其中一个文件被Filter组件过滤掉，两个文件的吞吐量会相差很大。

6. 测试结果

在文件没被过滤的情况下，性能基本与老版OSS性能持平，不同的文件大小下各有差异；
在多类型文件混合负载测试，性能达到78,000/s，远远优于老版OSS，并且在过滤掉数据后能节省不少存储空间。

具体各类型文件的测试结果如下：

结语

新版可插拔OSS架构设计不仅拥有出色的文件存取能力，而且更加灵活，文件存储服务是百分点科技常用场景之一，结合数据特点，部署灵活可扩展并且高性能的文件存储服务，不但能更好地满足客户需求，也能在一定业务场景下节省大量的存储服务器，是对相关业务整体解决方案的一大助力。

目前，该方案已经投入到百分点科技CBB（Common Building Block）等项目建设中，相信随着实践经验的累积和技术的不断优化升级，百分点科技将会为客户提供更加完善的OSS服务。

特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。

Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.