vlambda博客
学习文章列表

本文根据林意群在【第十二届中国数据库技术大会(DTCC2021)】现场演讲内容整理而成。

讲师介绍：

HDFS作为大数据的底层存储系统，能够存储海量的数据并能够对外提供稳定的数据读写服务。eBay HDFS集群发展至今已达到PB规模量级的数据存储，同时目前在支持公司越来越多业务的发展。同样，业务的快速发展对我们的HDFS集群提出了更高的要求和挑战。

eBay HDFS架构经过多年的演进优化，在性能和稳定性上得到了极大的提升。在早期的时候，HDFS集群是以独立集群服务的模式对外提供数据服务。伴随着业务数据规模的快速增长，我们很快遇到了HDFS NameNode的性能瓶颈问题。

随后我们进行了HDFS Federation架构模式的尝试。我们将主集群NameNode的元数据进行了多namespace的拆分，形成多Federation NameNode共同服务的方式。同时在此期间我们持续地在进行HDFS自身的性能调优，使得NameNode的处理性能能够得到进一步地提升。

HDFS Federation架构横向扩展了HDFS集群的整体处理能力，但是不断增多的Federation namespace也加大了我们对此的管理和使用难度。如何更加有效地使用和管理这些namespace的数据成了我们又一个新的需要解决的难题。我们采用了社区RBF（Router-Based Federation）的架构模式来统一管理HDFS Federation。

在RBF架构模式下，引入了中间服务Router来做客户端和NameNode服务端的中间层，底层Federation NameNode对于客户端来说完全透明。基于Router服务的Federation方案使得我们能够更加灵活透明地扩展底层HDFS的服务能力。本文我们将详细讲述eBay HDFS集群架构从单独集群到Federation模式，再到RBF架构模式的演进历程，以及在此期间我们遇到的许多难题和相应的解决方案。

a.介绍HDFS在ebay的使用现状

b.介绍ebay在生产中遇到的问题，以及我们应对和优化的策略。

c.介绍HDFS Rouer-based federation在ebay的应用。

eBay Hadoop发展了很多年，目前拥有10+集群，总数在2W+节点以上，其中最大的一个集群HDFS超过5000台机器，总存储达到800PB+，日均Job数在100K+。

随着集群的不断扩大，会面临各种问题与挑战，在eBay HDFS集群演进方面，2019年之前是独立集群模式，随着数据量的增长，在2019年引入Viewfs Federation方案，在2020年遇到了NameNode单点瓶颈问题，我们做了很多集群性能优化，拆分更多Federation集群，在2021年，RBF方案逐步取代Viewfs Federation方式。

在单集群模式时，初始HDFS架构模式是非常简单的。上面是Namespace层，下面是BlockStorage层，各个集群相互独立，在数据量少时，这种部署模式是没有问题的。 

HDFS内部结构设计如下：HDFS有三副本的机制，通过将三个副本分布在两个Rack上。

随着数据量的不断增长，HDFS集群面临的挑战也越来越大，如：持续增长的数据存储压力，包括文件数据和元数据；NameNode服务的单点性能瓶颈；多集群的运维管理，数据管理。

在HDFS性能优化方面，我们做了很多尝试，如：

减少HDFS繁重API操作影响：Balancer从Standby NameNode获取blocks操作；Delete操作按照batch size执行的限制；ListStatus操作忽略block location的获取；Snapshot操作拆分为多子目录的管理。

异步化RPC response ：RPC的response阶段需要做加密操作，会造成一定的性能损耗，将此过程进行异步化地处理来提前释放NameNode的Handler资源(相关JIRA: HDFS-15486)。

NN锁优化处理：冗余目录锁的去除；SetTimes操作写锁转读锁；ReadWrite callqueue实现(相关JIRA: HDFS-15553)。

接下来，我们从单集群模式向多集群Federation模式进行了演变。基于Viewfs的Federation模式。但是在Federation模式下，我们需要能够对数据进行快速的迁移，这里我们使用的是fastcopy的方式来做。

我们基于Fastcopy的数据迁移流程如下：1，收回目录权限；2，关闭open中的文件；3，使用Fastcopy进行数据的迁移；4，如果3步骤失败，进行retry；5，恢复权限；6，更新mount table信息。 

在数据迁移时，数据量是非常大的，分享一下Fastcopy原理：1，Client向源NameNode查询文件block信息；2，在目标NameNode上创建相应文件，block信息；3，发送copy block请求到block所属DataNode；4，DataNode创建block，hard link到源block文件；5，汇报block到目标NameNode。这就完成了Fastcopy的过程。

只靠Fastcopy还不够，还需要将Fastcopy功能集成进DistCp工具里。我们进一步对DistCp进行了改进优化，包括：统一化大文件小文件的长度，避免出现长尾任务影响；目录ACL preserve操作的前置；DistCp支持whitelist/exclude list的拷贝；DistCp job的参数调优。这样的结果就使性能提升近7倍。 

在集群RPC流量迁移方面，我们是如何做的呢？首先分析用户数据访问行为，主要检查是否有rename操作的行为；其次将Fastcopy数据从源cluster到目标cluster，最后用户重定向到新cluster进行数据的访问。 

Viewfs Federation也不是完美的方式，它存在两大问题：

第一，维护成本高。随着Federation集群变多，Viewfs的更新维护成本过高，需要在每个client端做更新。

第二，对客户端不透明，Viewfs对客户端不透明，涉及到底层数据的迁移需要客户端的调整。

接下来，我们从多集群Federation模式向基于Router的Federation模式的演变。

HDFS Router-based Federation架构如下： 

以下是RBF请求处理的过程： 

RBF架构模式的优势如下：

第一，无状态的服务，cloud-native化部署，方便进行横向扩展；

第二，Federation路径更新对用户完全透明，用户无需进行任何更新；

第三，可基于RBF架构做数据split拆分的方案。

RBF的功能特性如下：

eBay针对RBF进行了很多优化，在RBF的平滑部署方面，我们提高了Viewfs到RBF的兼容性支持，同时针对YARN RM Security模式补token逻辑的改造。

以下是Viewfs到RBF的兼容性改造：

在RBF补token改造方面，主要有五步：

1，Client从NameNode获取token；2，Client提交Job到RM（携带token）；3，RM额外向Router获取Router token，随后token通过任务调度下发到work node上；4，Work node上跑的任务通过token来做HDFS认证，以此进行HDFS数据和Router服务的访问；5，Job运行结束，RM进行token的删除操作。

关于RBF的未来展望

我们希望在RBF模式上做更多的内容，如：RBF异步化RPC处理来进一步提升RPC吞吐量；基于RBF做更为自动化的数据split拆分；基于RBF模式下做Tiered Storage，提升集群存储的效率；RBF对底层namespace间RPC处理的隔离。