chp9大數(shù)據(jù)與海量存儲(chǔ)

1InGodwetrust;allothersmustbringdata. -W.EdwardsDeming,statistician,professor,author,lecturer,andconsultant第8介紹了移動(dòng)通信技術(shù)的發(fā)展，重點(diǎn)介紹了我國使用的第三代移動(dòng)通信技術(shù)和標(biāo)準(zhǔn)（TD-SCDMA，W-CDMA，CDMA2000），并討論了移動(dòng)互聯(lián)網(wǎng)的典型應(yīng)用。2內(nèi)容回顧9.1從網(wǎng)絡(luò)化存儲(chǔ)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(diǎn)9.6數(shù)據(jù)中心與云存儲(chǔ)3本章內(nèi)容4數(shù)據(jù)存儲(chǔ)的發(fā)展歷史甲骨文→紙質(zhì)書籍→數(shù)字化存儲(chǔ)全球信息總量迅猛增長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(shí)間內(nèi)用常規(guī)軟件工具對其內(nèi)容進(jìn)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(dǎo)致了網(wǎng)絡(luò)化存儲(chǔ)和大型數(shù)據(jù)中心的誕生5物聯(lián)網(wǎng)對海量信息存儲(chǔ)

的需求9.1從網(wǎng)絡(luò)化存儲(chǔ)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(diǎn)9.6數(shù)據(jù)中心與云存儲(chǔ)6本章內(nèi)容直接附加存儲(chǔ)（Direct-AttachedStrorage，DAS）

將存儲(chǔ)系統(tǒng)通過纜線直接與服務(wù)器或工作站相連一般包括多個(gè)硬盤驅(qū)動(dòng)器，與主機(jī)總線適配器通過電纜或光纖在存儲(chǔ)設(shè)備和主機(jī)總線適配器之間不存在其他網(wǎng)絡(luò)設(shè)備實(shí)現(xiàn)了計(jì)算機(jī)內(nèi)存儲(chǔ)到存儲(chǔ)子系統(tǒng)的跨越7直接附加存儲(chǔ)網(wǎng)絡(luò)附加存儲(chǔ)（NetworkAttachedStorage，NAS）文件級(jí)的計(jì)算機(jī)數(shù)據(jù)存儲(chǔ)架構(gòu)計(jì)算機(jī)連接到一個(gè)僅為其它設(shè)備提供基于文件級(jí)數(shù)據(jù)存儲(chǔ)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(kuò)展，并沒有真正實(shí)現(xiàn)網(wǎng)絡(luò)互聯(lián)。NAS則是將網(wǎng)絡(luò)作為存儲(chǔ)實(shí)體，更容易實(shí)現(xiàn)文件級(jí)別的共享。NAS性能上比DAS有所增強(qiáng)8網(wǎng)絡(luò)附加存儲(chǔ)存儲(chǔ)區(qū)域網(wǎng)絡(luò)（StorageAreaNetwork，SAN）通過網(wǎng)絡(luò)方式連接存儲(chǔ)設(shè)備和應(yīng)用服務(wù)器的存儲(chǔ)架構(gòu)由服務(wù)器、存儲(chǔ)設(shè)備和SAN連接設(shè)備組成SAN的特點(diǎn)存儲(chǔ)共享支持服務(wù)器從SAN直接啟動(dòng)9存儲(chǔ)區(qū)域網(wǎng)絡(luò)10三種網(wǎng)絡(luò)存儲(chǔ)結(jié)構(gòu)的比較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(chǔ)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(chǔ)實(shí)體，容易實(shí)現(xiàn)文件級(jí)別共享；性能嚴(yán)重依賴于網(wǎng)絡(luò)流量，用戶數(shù)過多，讀寫過頻繁時(shí)性能受限。SAN存儲(chǔ)管理簡化，存儲(chǔ)容量利用率提高；無直接文件級(jí)別的訪問能力，但可在SAN基礎(chǔ)上建立文件系統(tǒng)。11三種網(wǎng)絡(luò)存儲(chǔ)結(jié)構(gòu)的比較（續(xù)）9.1從網(wǎng)絡(luò)化存儲(chǔ)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(diǎn)9.6數(shù)據(jù)中心與云存儲(chǔ)12本章內(nèi)容維基百科：“數(shù)據(jù)中心是一整套復(fù)雜的設(shè)施。它不僅僅包括計(jì)算機(jī)系統(tǒng)和其它與之配套的設(shè)備（例如通信和存儲(chǔ)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?！盙oogle：“多功能的建筑物，能容納多個(gè)服務(wù)器以及通信設(shè)備。這些設(shè)備被放置在一起是因?yàn)樗鼈兙哂邢嗤膶Νh(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(hù)?！?3什么是數(shù)據(jù)中心14數(shù)據(jù)中心的起源與發(fā)展大型機(jī)微型機(jī)大規(guī)模數(shù)據(jù)中心(MegaDataCenter)15數(shù)據(jù)中心的起源與發(fā)展（續(xù)）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(gè)新的數(shù)據(jù)中心？怎樣對數(shù)據(jù)中心進(jìn)行升級(jí)？數(shù)據(jù)中心的標(biāo)準(zhǔn)對相關(guān)經(jīng)驗(yàn)進(jìn)行了總結(jié)ANSI/TIA/EIA-942（簡稱TIA-942）：數(shù)據(jù)中心標(biāo)準(zhǔn)電信產(chǎn)業(yè)協(xié)會(huì)（TIA）提出美國國家標(biāo)準(zhǔn)學(xué)會(huì)（ANSI）批準(zhǔn)16數(shù)據(jù)中心標(biāo)準(zhǔn)選址：需要考慮多方面因素建設(shè)和運(yùn)營成本應(yīng)用需求政策優(yōu)惠…布局：按功能區(qū)域劃分17數(shù)據(jù)中心標(biāo)準(zhǔn)：TIA-942功能區(qū)域組成TIA-942還對纜線系統(tǒng)，可靠性分級(jí)，能源系統(tǒng)和降溫系統(tǒng)等做了規(guī)定。18數(shù)據(jù)中心標(biāo)準(zhǔn)：TIA-942（續(xù)）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(jī)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(chǔ)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(diǎn)9.6數(shù)據(jù)中心與云存儲(chǔ)19本章內(nèi)容簡介全球共建有近40個(gè)大規(guī)模數(shù)據(jù)中心單個(gè)數(shù)據(jù)中心需要至少50兆瓦功率，約等于一個(gè)小型城市所有家庭的用電量獨(dú)特的硬件設(shè)備：定制的以太網(wǎng)交換機(jī)、能源系統(tǒng)等自行研發(fā)的軟件技術(shù)：GoogleFileSystem、MapReduce、BigTable等20Google數(shù)據(jù)中心GFS的設(shè)計(jì)觀念組件失效不再被認(rèn)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(jì)提高了整個(gè)系統(tǒng)的靈活性21GoogleFileSystem一個(gè)GFS集群包含一個(gè)主服務(wù)器和多個(gè)塊服務(wù)器，并被多個(gè)客戶端訪問。文件分成固定大小的“塊”。每個(gè)塊在創(chuàng)建時(shí)都由主服務(wù)器分配一個(gè)固定不變的64位句柄唯一標(biāo)識(shí)。塊服務(wù)器把塊作為Linux文件存儲(chǔ)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(jìn)行讀寫操作。22GFS的設(shè)計(jì)架構(gòu)主服務(wù)器維護(hù)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(dāng)前的位置。此外，主服務(wù)器還控制其它系統(tǒng)級(jí)的活動(dòng)。主服務(wù)器周期性地與塊服務(wù)器通信，以下達(dá)指令和收集狀態(tài)。GFS客戶端代碼被嵌入到每個(gè)應(yīng)用中。它實(shí)現(xiàn)了文件系統(tǒng)API，實(shí)現(xiàn)主服務(wù)器與塊服務(wù)器的通信從而代表應(yīng)用實(shí)現(xiàn)讀寫操作?？蛻舳伺c服務(wù)器交互從而實(shí)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。23GFS的設(shè)計(jì)架構(gòu)（續(xù)）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(jì)算機(jī)集群上并行執(zhí)行、處理計(jì)算機(jī)的失效以及調(diào)度計(jì)算機(jī)間的通信MapReduce的基本思想用戶寫的兩個(gè)程序：Map和Reduce一個(gè)在計(jì)算機(jī)集群上執(zhí)行多個(gè)程序?qū)嵗目蚣?4MapReduceMapReduce程序的執(zhí)行過程25MapReduce（續(xù)）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(tái)廉價(jià)計(jì)算機(jī)的應(yīng)用）管理結(jié)構(gòu)化數(shù)據(jù)的分布式存儲(chǔ)系統(tǒng)。應(yīng)用Google地球網(wǎng)頁索引RSS閱讀器…26BigTable每個(gè)BigTable都是一個(gè)稀疏的、分布式的多維有序圖，按行鍵值、列鍵值和時(shí)間戳建立索引27BigTable（續(xù)）什么是Hadoop？Apache開源組織的一個(gè)分布式計(jì)算開源框架用于在大型集群的廉價(jià)服務(wù)器設(shè)備上運(yùn)行數(shù)據(jù)密集型分布式應(yīng)用程序在早期實(shí)際上是Google文件系統(tǒng)與MapReduce分布式計(jì)算框架及相關(guān)IT基礎(chǔ)服務(wù)的開源實(shí)現(xiàn)Hadoop包括多個(gè)子項(xiàng)目HDFS、MapReduce、HBase、Chukwa、Pig、ZooKeeper等28HadoopHadoopDistributedFileSystem29HDFS9.1從網(wǎng)絡(luò)化存儲(chǔ)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(diǎn)9.6數(shù)據(jù)中心與云存儲(chǔ)30本章內(nèi)容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(gè)約6400平方米的中心機(jī)房31Google數(shù)據(jù)中心Google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Google達(dá)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32Google數(shù)據(jù)中心9.1從網(wǎng)絡(luò)化存儲(chǔ)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(diǎn)9.6數(shù)據(jù)中心與云存儲(chǔ)33本章內(nèi)容2006年Google在數(shù)據(jù)中心項(xiàng)目上的花費(fèi)為19億美元，而2007年該項(xiàng)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(fù)荷運(yùn)行時(shí)消耗的電力基本上和紐卡斯?fàn)枺∟ewcastle）一個(gè)城市所有家庭的用電量加起來一樣多。研究熱點(diǎn)：如何在保證服務(wù)質(zhì)量的前提下降低成本？34數(shù)據(jù)中心的研究熱點(diǎn)Google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(jī)械設(shè)備制造技術(shù)或政策優(yōu)惠等因素，與計(jì)算機(jī)學(xué)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(gè)方面對造成高成本的原因和目前的解決方法進(jìn)行簡要介紹35數(shù)據(jù)中心的成本構(gòu)成服務(wù)器的實(shí)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(yù)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(shí)應(yīng)對需求的動(dòng)態(tài)變化36服務(wù)器成本主要來源交換機(jī)、路由器、負(fù)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(jī)和路由器構(gòu)成流量瓶頸，且造價(jià)昂貴研究熱點(diǎn)：新的數(shù)據(jù)中心網(wǎng)絡(luò)結(jié)構(gòu)以交換機(jī)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網(wǎng)絡(luò)設(shè)備成本研究熱點(diǎn)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(fù)載的服務(wù)器減少降溫系統(tǒng)能耗精細(xì)、精準(zhǔn)的溫度控制集裝箱式模塊化數(shù)據(jù)中心38能源成本9.1從網(wǎng)絡(luò)化存儲(chǔ)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(diǎn)9.6數(shù)據(jù)中心與云存儲(chǔ)39本章內(nèi)容Google的數(shù)據(jù)中心屬于“自產(chǎn)自銷”模式，同時(shí)提供產(chǎn)品和服務(wù)Amazon開創(chuàng)了云存儲(chǔ)和云計(jì)算的商業(yè)模式彈性計(jì)算云：提供海量數(shù)據(jù)計(jì)算服務(wù)簡單存儲(chǔ)服務(wù)(S3)：可伸縮、可靠、高可用、低成本的存儲(chǔ)服務(wù)Dropbox后臺(tái)即架設(shè)于S3之上未來物聯(lián)網(wǎng)不同商業(yè)機(jī)構(gòu)共享云存儲(chǔ)，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(jì)算進(jìn)行40數(shù)據(jù)中心與云存儲(chǔ)內(nèi)容回顧本章介紹了三種基本的網(wǎng)絡(luò)存儲(chǔ)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