1、电子工业出版社 刘鹏主编云计算教材配套课件4概念回顾Google云计算背景分布式文件系统GFS并行数据处理模型MapReduce分布式锁服务Chubby分布式数据库BigTableGoogle AppEngineGoogle云计算技术小结课程回顾3GFS的容错措施有哪些？GFS的容错机制 Chunk Server容错 每个Chunk有多个存储副本（通常是3个），分别存储于不通的服务器上 每个Chunk又划分为若干Block（64KB），每个Block对应一个32bit的校验码，保证数据正确（若某个Block错误，则转移至其他Chunk副本） Master容错（影子节点热备） 三类元数据：命名空
2、间（目录结构）、Chunk与文件名的映射以及Chunk副本的位置信息 前两类通过日志提供容错，Chunk副本信息存储于Chunk Server，Master出现故障时可恢复51、处理流程2、分片方式MapReduce处理流程中各类文件的存储位置在哪里？MapReduce的容错方法？MapReduce的处理优化方法？MapReduce仅能对GFS之上的文件进行处理吗？所有步骤均可控，可灵活处理各类分布式问题除了排序，新增两道题目 使用MapReduce实现倒排索引 输入：100个文本文档 输出：倒排索引 任务 实现算法，给出数据结构描述、执行过程描述等 作业要求同“排序” 要求尽可能提高执行效率
3、，节约网络IO带宽除了排序，新增两道题目 使用MapReduce实现快速查询 查询目标是存储在BigTable之中的网页数据，给定关键字，快速查询含有该内容的网页（假定没有倒排索引） 要求 设计BigTable存储方式（表含有哪些列、无需关心数据如何取得） 设计快速查询的MapReduce处理方法 作业要求同“排序”分布式锁服务Chubby11主要用于解决分布式一致性问题 在一个分布式系统中，有一组的Process，它们需要确定一个Value。于是每个Process都提出了一个Value，一致性就是指只有其中的一个Value能够被选中作为最后确定的值，并且当这个值被选出来以后，所有的Proce
4、ss都需要被通知到粗粒度的分布式锁服务 Chubby是Google为解决分布式一致性问题而设计的提供粗粒度锁服务的 其他分布式系统可以使用它对共享资源的访问进行同步12需要实现的特性 高可用性 高可靠性 支持粗粒度的建议性锁服务 支持小规模文件直接存储不作考虑的特性 高性能 存储能力1314文件系统中文件操作的权限有哪些？这些权限之间的互斥关系是怎样的？Chubby系统本质上就是一个分布式的、存储大量小文件的文件系统 Chubby中的锁就是文件 在GFS的例子中，创建文件就是进行“加锁”操作，创建文件成功的那个server其实就是抢占到了“锁” 用户通过打开、关闭和存取文件，获取共享锁或者独占
5、锁；并且通过通信机制，向用户发送更新信息1617主节点选举独占锁共享锁数据存取应用 获取GFS ChunkServer信息 元数据存储 18分布式数据表BigTable19为什么需要设计BigTable？ Google需要存储的数据种类繁多 网页，地图数据，邮件 如何使用统一的方式存储各类数据？ 海量的服务请求 如何快速地从海量信息中寻找需要的数据？BigTable：基于GFS和Chubby的分布式存储系统 对数据进行结构化存储和管理 与GFS的联系20数据存储可靠性高速数据检索与读取存储海量的记录（若干TB）可以保存记录的多个版本21与写操作相比，数据记录读操作占绝大多数工作负载单个节点故障
6、损坏是常见的磁盘是廉价的可以不提供标准接口 Google既能控制数据库设计，又能进行应用系统设计22具有广泛的适应性 支持Google系列产品的存储需求具有很强的可扩展性 根据需要随时加入或撤销服务器 应对不断增多的访问请求高可用性 单个节点易损，但要确保几乎所有的情况下系统都可用简单性 简单的底层系统可减少系统出错概率，为上层开发带来便利23总体上，与关系数据库中的表类似Row KeyTime StampColumn ContentsColumn AnchorColumn “mime”my.look.ca“n.www”T9CNNT8CNN.COMT6“. “Text/htmlT5“. “t3
7、“. “24关系数据库中的表是什么样的？有什么特征？关系数据库中的表设计需要遵循什么原则？行 每行数据有一个可排序的关键字和任意列项 字符串、整数、二进制串甚至可串行化的结构都可以作为行键 表按照行键的“逐字节排序”顺序对行进行有序化处理 表内数据非常稀疏，不同的行的列的数完全目可以大不相同 URL是较为常见的行键，存储时需要倒排 统一地址域的网页连续存储，便于查找、分析和压缩/index.asp/index.asp25列 特定含义的数据的集合，如图片、链接等 可将多个列归并为一组，称为族（family） 采用 族:限定词 的语法规则进行定义 fileattr:owning_group”, “
8、fileattr:owning_user”, etc 同一个族的数据被压缩在一起保存 族是必须的，是BigTable中访问控制的基本单元26时间戳 保存不同时期的数据，如“网页快照”“A big table” 表中的列可以不受限制地增长 表中的数据几乎可以无限地增加通过(row, col, timestamp)查询通过(row, col, MOST_RECENT)查询27无数据校验 每行都可存储任意数目的列 BigTable不对列的最少数目进行约束 任意类型的数据均可存储 BigTable将所有数据均看作为字符串 数据的有效性校验由构建于其上的应用系统完成一致性 针对同一行的多个操作可以分组合
9、并 不支持对多行进行修改的操作符28Row KeyTime StampColumn: ContentsCn.wwwT6“.”T5“.”T3“.”Row KeyTime StampColumn: AnchorCn.wwwT9Anchor:CNNT5Anchor:my.look.caCNN.COMRow KeyRow KeyTime StampTime StampColumn:Column: mime mimeCn.wwwT6text/htmlRow KeyTime StampColumn ContentsColumn AnchorColumn “mime”my.look.ca“n.www”T9C
10、NNT8CNN.COMT6“. “Text/htmlT5“. “t3“. “29逻辑上的“表”被划分为若干子表（Tablet） 每个Tablet由多个SSTable文件组成 SSTable文件存储在GFS之上每个子表存储了table的一部分行 元数据：起始行键、终止行键 如果子表体积超过了阈值（如200M），则进行分割3031为每个子表服务器分配子表，对外提供服务与GFS垃圾回收进行交互，收回废弃的SSTable探测子表服务器的故障与恢复负载均衡有效缓解单点故障3233343536任何对子表的写操作都会记录到一个存储在GFS之上的commit log中 每个子表服务器上所有子表变化对应于一个c
11、ommit log新的数据存储到子表服务器的内存（memtable）中次压缩 旧数据存储在SSTable中，而新数据存放在memtable中 当memtable体积超过一定阈值，将形成SSTable，并写入GFS 每个tablet对应多个SSTable37tablet含有多个SSTable导致查询效率低合并压缩操作读取多个SSTable，创建一个新的SSTable来保持其中的最新数据 旧的SSTable删除 如果合并压缩操作完成后，tablet只包含一个SSTable，那么该操作也称为主压缩3839新的故障 子表服务器内存中的memtable丢失恢复方法 按照tablet将该服务器对应的日志分
12、片 为每个失效tablet分配新的子表服务器 新子表服务器读取对应的分段commit log，并按照日志修改tablet 删除commit log中已实施的内容 重新对外提供服务40局部性群组(Locality Group) 根据需要，将原本不存储在一起的数据，以列族为单位存储至单独的子表 如用户对网站排名、语言等分析信息感兴趣，那么可以将这些列族放至单独的子表，减少无用信息读取，改善存取效率布隆过滤器(Bloom Filter) 什么是布隆过滤器？判断某个元素是否隶属于集合 优点：误判概率低，其存储空间仅为Hash表的1/8至1/4 用于判断列键是否位于SSTable中，快速确定某个列键的位
13、置4142Google云计算架构中GFS、MapReduce和BigTable中是否存在集群节点复用的情况？如何复用？节点复用的好处有哪些？Google云计算架构的设计对你有哪些启发？有哪些收获？Google App Engine44Google App Engine是隶属于PaaS类型的云服务 一个计算环境，支持Python和Java语言 可使用Google的基础服务，如BigTable和GFS等 用户仅需提供应用代码，无需服务器维护 应用程序可根据访问量和数据存储需要的增长轻松进行扩展45特性 动态网络服务功能，能够完全支持常用的网络技术 具有持久存储的空间，可支持查询、分类等基本操作 具
14、有自主平衡网络和系统的负载、自动进行扩展的功能 可对用户的身份进行验证，并且支持使用Google账户发送邮件 具有一个功能完整的本地开发环境，开发人员可以在自身的计算机上模拟 Google App Engine环境46沙盒 一个虚拟环境 将开发者开发的应用程序隔离在自身的安全可靠的环境中，该环境和网络服务器的硬件、系统以及物理位置完全无关 仅提供开发人员对基础操作系统的有限访问权限 可以对开发人员进行更多的限制 只能通过网址抓取API和邮件服务API访问其他计算机 其他计算机只能通过HTTP或HTTPS与沙盒应用交互 应用程序无法对平台文件系统进行写入操作，只能读取代码文件 应用程序必须使用平
15、台的Data Store来存储应用程序运行期间持续存在的数据 通过隔离来保证平台和其他开发者的安全47图像操作API 开发人员可通过该API对JPEG和PNG图像进行缩放、裁剪、旋转和翻转等操作邮件API 为开发人员开发的应用程序提供电子邮件发送服务Memcache API 高性能的内存键值缓存，用户可使用应用程序访问该缓存 可提高应用程序的性能并减少数据库的负载网址抓取API 可以使用HTTP或HTTPS等网址来对数据进行检索48用户API 使应用程序与Google帐号集成，支持Google帐号身份认证数据库API 为用户提供查询引擎和事务存储服务49print Content-Type: text/plainprint print Hello, world!50Google云计算小结51Google云计算应用类型53欢迎访问中国云计算网站 http:/欢迎使用云计算教材 电子工业出版社 刘鹏 主编本讲到此结束
