![热点迁移的数据对比（1）
• 简单按对象大小划分：小的进SSD，中的放SAS，大的
存SATA
• SSD + 4 * SAS + SATA上的访问负载如下：
[root@cache161 ~]# iostat -x -k 60 | egrep -v -e “sd.[1-9]”
…
avg-cpu: %user %nice %system %iowait %steal %idle
3.15 0.00 5.63 11.35 0.00 79.87
Device: rrqm/s wrqm/s r/s w/s rkB/s wkB/s avgrq-sz avgqu-sz await svctm %util
sda 15.40 1.17 50.66 2.63 2673.22 124.85 105.01 0.55 10.39 6.27 33.41
sdb 0.07 0.03 447.29 1.02 4359.01 191.90 20.30 0.32 0.71 0.27 12.13
sdc 5.73 1.53 114.93 8.42 1264.86 100.58 22.14 1.05 8.48 3.56 43.94
sdd 5.57 2.07 121.83 9.57 1319.45 104.12 21.67 1.19 9.02 3.63 47.72
sde 5.53 1.45 111.45 8.52 1246.53 101.92 22.48 0.95 7.88 3.42 41.06
sdf 5.45 2.02 118.93 8.00 1281.92 106.25 21.87 1.19 9.37 3.74 47.44
其中：黑色为SATA，绿色为SSD，红色为SAS
4块SAS硬盘上的访问量和超过SSD硬盘上的访问量
22](https://image.slidesharecdn.com/cdn-121129001957-phpapp02/85/Cdn-22-320.jpg)
![热点迁移的数据对比（2）
• 按对象访问热点进行迁移：最热的进SSD，中等热度
的放SAS，轻热度的存SATA
• SSD + 4 * SAS + SATA上的访问负载如下：
[root@cache161 ~]# iostat -x -k 60 | egrep -v -e “sd.[1-9]”
…
avg-cpu: %user %nice %system %iowait %steal %idle
3.15 0.00 5.63 11.35 0.00 79.87
Device: rrqm/s wrqm/s r/s w/s rkB/s wkB/s avgrq-sz avgqu-sz await svctm %util
sda 5.08 1.65 18.55 2.52 1210.07 119.00 126.18 0.14 6.50 5.46 11.51
sdb 1.68 0.05 610.53 1.75 6962.29 413.47 24.09 0.28 0.46 0.23 14.25
sdc 0.22 0.03 28.87 0.97 1172.93 189.13 91.31 0.16 5.28 4.40 13.13
sdd 0.23 0.02 29.70 0.77 1133.47 122.53 82.45 0.15 4.99 4.39 13.37
sde 0.18 0.03 28.23 1.03 1078.73 206.27 87.81 0.15 5.00 4.24 12.40
sdf 0.10 0.02 28.42 0.55 1090.27 115.00 83.22 0.15 5.04 4.44 12.86
其中：黑色为SATA，绿色为SSD，红色为SAS
SSD硬盘上的访问量是4块SAS硬盘上访问量之和的5倍以上，SAS和SATA
的硬盘利用率低了很多
23](https://image.slidesharecdn.com/cdn-121129001957-phpapp02/85/Cdn-23-320.jpg)
淘宝对象存储与Cdn系统到服务
- 1. 淘宝 对象存储与CDN系统到服务 章文嵩 （正明） 2011.11.26 中国计算机大会（CNCC2011）云计算论坛 1
- 3. 淘宝网简介 • 淘宝网：网络购物 • 淘宝的愿景：提供电子商务的基础设施服务，打 造电子商务的生态圈 • 网络流量排名（Alexa统计） –国际：13～16 –国内：3 • 现在每天6000万以上的UV • 淘宝网站上约有600个应用 • 90%以上的流量用于图片传送 3
- 4. 对象存储与CDN系统全貌 Global Load Balancing Cache Cache Cache Cache L1-Cache Cluster Cluster Cluster Cluster ~50T Cache Cache Cache L2-Cache Cluster Cluster Cluster ~100T Image Server Image Server Application Cluster Cluster ~300 Servers Storage 3427T Used / TFS TFS Cluster Cluster 5750T Deployed 4
- 5. 淘宝CDN当前规模 • 覆盖国内 所有主流 运营商 • 103个节 点 • 单节点服 务能力 >10Gbps • 重服务能力大于1000G • 双11时峰值流量到820G
- 7. 2007年之前的图片存储系统 Upload Server Admin Server Image Server 滨江联通备份中心 SnapVault 远程数据冗灾 SnapMirror SnapMirror NearStore R200 DR: A+B+C+D SnapShot SnapShot SnapShot SnapShot FAS980C FAS980C A: Online Image C: Online Image D: Online Image B: Online Image 注：红框中设备是2006年的新增设备， 杭州网通 IDC 明年还得在原有的 NetApp 980C/R200 7 存储上增加 20TB 左右新的硬盘容量。
- 8. 商用产品无法满足需求 • 系统需求 淘宝的影响越来越大，数据的安全也更加重要 数据存储量以每年二倍的速度增长（即原来的三倍） • 商用存储产品 对小文件的存储无法优化 文件数量大，网络存储设备无法支撑 连接的服务器越来越多，网络连接数已经到达了网络存储设 备的极限 扩容成本高，10T的存储容量需要几百万￥ 单点，容灾和安全性无法得到很好的保证 8
- 9. TFS 1.0 • 2007年6月 淘宝自主开发的分布式的文件系统 TFS（Taobao File System）1.0上线运行 主要解决海量小文件的分布式存储 集群规模：200台PC Server(146G*6 SAS 15K Raid5) 文件数量: 亿级别 系统部署存储容量: 140 TB 实际使用存储容量: 50 TB 单台支持随机IOPS 200+，流量3MBps 9
- 10. TFS 1.0的逻辑结构 10
- 11. TFS1.0的特性 • 集群由一对Name Server和多台Data Server构成 • Data Server运行在挂很多硬盘的Linux主机上 • 以block文件的形式存放数据文件(一般64M一个 block) • 文件名内置元数据信息，用户自己保存TFS文件名与 实际文件的对照关系 – 使得元数据量特别小 • 如T2auNFXXBaXXXXXXXX_!!140680281.jpg，名字中含有 逻辑的block_no和object_no等 • block存多份保证数据安全 • 利用ext3文件系统存放数据文件 • 磁盘raid5做数据冗余 11
- 12. TFS 1.3 • 2009年6月 TFS（Taobao File System）1.3上线运行 • 集群规模（2010.8.22） 440台PC Server (300G*12 SAS 15K RPM) + 30台PC Server (600G*12 SAS 15K RPM) 文件数量： 百亿级别 系统部署存储容量： 1800 TB 当前实际存储容量： 995TB 单台Data Server支持随机IOPS 900+，流量15MB+ 目前Name Server运行的物理内存是217MB（服务器 使用千兆网卡） 12
- 13. TFS1.3的逻辑结构 Application/Client Mysql Dup Store filename crc,size refcount Data block id, file id/ NameServer NameServer allocate HA heartbeat dataserver id (block id, file id) heartbeat message control message heartbeat message DataServer DataServer dsp1 dsp2 dsp3 dsp1 dsp2 dsp3 hda hda hda hda hda hda 13
- 14. TFS1.3的特性 • TFS1.3提供了一些重要的功能特性 所有的元数据全部都内存化 清理磁盘空洞 容量和负载的均衡策略 平滑的扩容 数据安全性的冗余保证 几秒内完成Name Server故障自动切换 容灾策略 性能大幅提升 14
- 15. TFS的发展 • TFS在2010年9月开源，希望更多人来使用和改进 • TFS 2.0已经在生产系统中使用 –支持大文件存储 –在外围通过MySQL向应用提供目录支持 –加入资源中心，控制集群级别的权限 • 后续开发 –优化性能，提高扩展性，降低存储成本 –分级存储机制（SSD/SATA），动态文件迁移 –RAID或Erasure Code等 15
- 17. 淘宝CDN系统的研发 • 主要解决现有的问题 –商用产品的性能瓶颈、功能欠缺，以及不稳定性 –整个系统的规模、性能、可用性和可管理性 • 开发完全自主的CDN系统 –CDN节点的新架构和优化 –CDN监控平台 –全局流量调度系统支持基于节点负载状态调度和基于 链路状态调度 –CDN实时图片删除 –CDN访问日志过滤系统 –配置管理平台 17
- 18. CDN节点的架构对比-老架构 client VIP1 VIP2 NetScaler(7LB) NetScaler(7LB) 频道1 频道2 频道 … 频道n squid squid squid … squid 18 源站
- 19. CDN节点的架构对比-新架构 client VIP1 VIP2 心跳 LVS(L4) LVS (L4) Haproxy(L7) haproxy(L7) Haproxy(L7) 所有频道统一调度 squid squid squid … squid 源站 19
- 20. CDN节点的架构对比 对比项 节点 新架构 老架构 流量分布均匀性 ☆☆☆☆☆ ☆☆☆ 可维护性 ☆☆☆ ☆☆☆ 抗攻击能力 ☆☆☆☆ ☆☆☆☆ 自主控制能力 ☆☆☆☆☆ ☆☆☆ 价格 ☆☆☆☆☆ ☆☆☆ 扩展能力 ☆☆☆☆☆ ☆☆ 灵活性 ☆☆☆☆☆ ☆☆ •流量分布均匀性：所有的频道统一调度到128台squid，而不是将squid按频 道分组，可提高命中率2%以上 •扩展能力：在一个VIP上新架构可以扩展到近100G的流量（当然要用万兆 网卡） •灵活性：一致性Hash调度方法使得增加和删除服务器非常方便，只有 1/(n+1)的对象需要迁移
- 21. Squid改进和优化 • 在COSS存储系统基础上实现了TCOSS，FIFO加上按一 定比例保留热点对象，支持1T大小的文件 • Squid内存优化，一台Squid服务器若有一千万对象， 大约节省1250M内存，更多的内存可以用作memory cache • 用sendfile来发送缓存在硬盘上的对象，加上page cache，充分利用操作系统的特性 • 针对SSD硬盘，可以采用DIRECT_IO方式访问，将内存 省给SAS/SATA硬盘做page cache • IO优化到平均一个请求需要做约0.9个IO操作 • 在Squid服务器上使用SSD+SAS+SATA混合存储，实现 了类似GDSF算法，图片随着热点变化而迁移 21
- 22. 热点迁移的数据对比（1） • 简单按对象大小划分：小的进SSD，中的放SAS，大的 存SATA • SSD + 4 * SAS + SATA上的访问负载如下： [root@cache161 ~]# iostat -x -k 60 | egrep -v -e “sd.[1-9]” … avg-cpu: %user %nice %system %iowait %steal %idle 3.15 0.00 5.63 11.35 0.00 79.87 Device: rrqm/s wrqm/s r/s w/s rkB/s wkB/s avgrq-sz avgqu-sz await svctm %util sda 15.40 1.17 50.66 2.63 2673.22 124.85 105.01 0.55 10.39 6.27 33.41 sdb 0.07 0.03 447.29 1.02 4359.01 191.90 20.30 0.32 0.71 0.27 12.13 sdc 5.73 1.53 114.93 8.42 1264.86 100.58 22.14 1.05 8.48 3.56 43.94 sdd 5.57 2.07 121.83 9.57 1319.45 104.12 21.67 1.19 9.02 3.63 47.72 sde 5.53 1.45 111.45 8.52 1246.53 101.92 22.48 0.95 7.88 3.42 41.06 sdf 5.45 2.02 118.93 8.00 1281.92 106.25 21.87 1.19 9.37 3.74 47.44 其中：黑色为SATA，绿色为SSD，红色为SAS 4块SAS硬盘上的访问量和超过SSD硬盘上的访问量 22
- 23. 热点迁移的数据对比（2） • 按对象访问热点进行迁移：最热的进SSD，中等热度 的放SAS，轻热度的存SATA • SSD + 4 * SAS + SATA上的访问负载如下： [root@cache161 ~]# iostat -x -k 60 | egrep -v -e “sd.[1-9]” … avg-cpu: %user %nice %system %iowait %steal %idle 3.15 0.00 5.63 11.35 0.00 79.87 Device: rrqm/s wrqm/s r/s w/s rkB/s wkB/s avgrq-sz avgqu-sz await svctm %util sda 5.08 1.65 18.55 2.52 1210.07 119.00 126.18 0.14 6.50 5.46 11.51 sdb 1.68 0.05 610.53 1.75 6962.29 413.47 24.09 0.28 0.46 0.23 14.25 sdc 0.22 0.03 28.87 0.97 1172.93 189.13 91.31 0.16 5.28 4.40 13.13 sdd 0.23 0.02 29.70 0.77 1133.47 122.53 82.45 0.15 4.99 4.39 13.37 sde 0.18 0.03 28.23 1.03 1078.73 206.27 87.81 0.15 5.00 4.24 12.40 sdf 0.10 0.02 28.42 0.55 1090.27 115.00 83.22 0.15 5.04 4.44 12.86 其中：黑色为SATA，绿色为SSD，红色为SAS SSD硬盘上的访问量是4块SAS硬盘上访问量之和的5倍以上，SAS和SATA 的硬盘利用率低了很多 23
- 24. 淘宝CDN系统 • CDN服务的图片规模 –约800T容量的原图 + 800T容量的缩略图 –约880亿左右的图片数，平均图片大小约为18K • CDN部署规模 –103个节点，每个节点目前处理能力在10G或以上 –CDN部署的总处理能力已到1000G以上 –目前承载淘宝流量高峰时820G，含集团子公司的流量 • CDN功能 –支持图片、视频和静态数据；支持动态页面加速 –L1-Cache字节命中率为96~98%，L2-Cache的为70～80% ，大大改善用户的访问体验，节约回源带宽 –针对教育网的CDN部署优化：BGP解决LDNS乱设问题 24
- 25. CDN系统的发展 • CDN系统的研发与运维 –持续提高节点性能（应用软件、操作系统等） –优化GTM全局调度系统 –节点间应用级路由 –持续提高CDN系统可运维性，完善CDN内容管理系统 • CDN系统的建设 –思路正在转向“部署更多的小节点，尽可能离用户近 一些” –定制化和快速部署 25
- 26. 低功耗硬件平台 • 低功耗硬件平台 –低功耗的CPU，如Intel ATOM, VIA Nano等 –低功耗的Chipset；SSD或低功耗的SATA硬盘 –关闭GPU和USB Controller等 • 适用不需要太多CPU计算的I/O类型应用 –例如CDN Cache Server、memory cache、存储节点、 静态文件Web Server等 • 好处（大大降低成本）： –降低电力消耗，减少碳排放 –单位空间(机柜)下有更高的I/O吞吐率 –降低硬件购置成本和运营成本 26
- 27. 定制的低功耗服务器 • 每个热插拔模块2个nodes • 每个NODES 3块硬盘 • 支持 24 x 2.5” SATA/SSD • 选择2U 8 nodes 的原因： – SuperServer: 2U 8 nodes 支持热插拔设 计。 （背面） – 降低功耗（2U 8nodes 共享4个系统FAN) – 成本更低（8nodes共享1个机箱，1u 4nodes 共享1个机箱） – 2U TWIN机箱和所使用的主板是成熟产品 • 单服务器配置： – Intel® Atom™ D525 with 2 cores – Intel® ICH9R Chipset 一个板卡集成两个服务器系统 – 4GB memory DDR23 800MHZ SO- DIMM w/o ECC – LAN: Intel 82574L 2*1GB – HDD: • 1* SSD 80G , • 2* 2.5” SATA 500GB （正面，24个可插拔硬盘）
- 29. 淘宝开放平台
- 30. 基础设施服务 • 在技术平台上提供存储、计算、传输等三大类基 础设施服务 –如CDN平台、对象存储服务、MySQL平台、虚拟化平 台、即时通讯平台、图像搜索平台等 –稳定性、性能、成本是三大衡量指标，不断深入优化 • 以淘宝为渠道发展电子商务基础设施服务 –图片空间+CDN（未来的多媒体平台） –TOP开放平台基础设施服务 –面向店铺自由定制的TAE服务 30
- 32. 经验 • 商用软件不能满足大规模系统的需求 • 采用开源软件与自主开发相结合，有更好的可控 性，更高的可扩展性 • 规模效应，研发投入都是值得的 • 在软件和硬件多个层次 优化，优化是长期持续 的过程 • 先平台后业务 vs 先业务 后平台，后者更顺 –发挥边际效应，提高资源 利用率 32
- 33. 讨论 Q&A 谢谢! 33