首页
学习
活动
专区
工具
TVP
发布
精选内容/技术社群/优惠产品,尽在小程序
立即前往

回顾Bigtable的经典设计

关于Bigtable的讨论已是一个略显过时的话题,再次回顾Bigtable,是希望在论文发表十余年后的今天,重新审视一下有哪些设计依然经典的。Bigtable的最新发展,对于外界而言一直都是神秘的,除了Google新发表的一些论文略有提及以及一些道听途说的消息之外,就只能从Cloud Bigtable的官方资料中洞察秋毫。从MegaStore再到现在的Spanner,Bigtable的江湖地位已被大幅削弱,但仍有充足的退守之地。本文以“流水账”形式记录了Bigtable的关键设计。

设计目标

Bigtable的四个设计目标:

Wide Applicability: 广泛的适用场景

Scalability:横向扩展能力

High Performance: 高性能

High Availability: 高可用

Table

A Bigtable is asparse,distributed,persistent multi-dimensional sorted map.

简单理解一下这句定义所阐述的几个关键点:

一个表是一个包含海量Key-Value对的Map,数据是持久化存储的。

这个大的Map需要支持多个分区来实现分布式。

这个Map按照Key进行排序,这个Key是一个由组成的多维结构。

每一行列的组成并不是严格的结构,而是稀疏的,也就是说,行与行可以由不同的列组成:

Row

每一行数据都拥有一个唯一的Row Key,可以将Row Key理解为主键

Row Key是一个Byte String,通常长度在10~100Bytes左右,建议不超过4KB。一行中包含一个或多个列。

Bigtable支持Row级别操作的原子性。

所有的数据按照Row Key的字典顺序进行排序。

Tablet

Table的横向数据分区(分片)称之为Tablet

Tablet是一个连续的Row Key区间。

Tablet是数据分布与负载均衡的基本单元。

一个Tablet增长到一定大小之后可以自动分裂成两个Tablets。

多个连续的Tablets可以合并成一个大的Tablet。

Column Family

权限控制的最小单元

一个Column Family通常是一个或多个相同类型的列的集合,这样在数据压缩率上可以获取更好的效果。

Column Families的数量不建议超过百级别

Column Key的组成结构为Family:Qualifier。Qualifier可以理解成一个Column Family中的列标识。

Timestamp

每一个Column Key可能关联多次更新,因此,Bigtable使用Timestamp来标识不同的版本。

同一个Column Key的多个版本按Timestamp倒序存放,这样查询时总是先读取到最新的版本。

每一个Column Family允许用户配置最多保留的版本数量,超出的版本将会被清理掉。

关键模块

Client Library

Master Server

1)Tablet Server管理。

2)Tablet到Tablet Server的分配。

3)负载均衡。

4)垃圾文件回收。

5)建表以及Schema变更管理。

Tablet Server管理Tablet的数据服务节点。

依赖服务

GFS(Colossus)分布式文件系统。用来持久化存放Bigtable的关联文件(日志文件以及数据文件)。

Chubby

1)Active Master选举。

2)Tablet根路由信息。

3)Tablet Server故障节点通知以及新节点发现。

4)Table Schema信息。

5)存储Access Control List信息。

数据路由

在METADATA表中记录了每一个用户表Tablet所关联的Key Range信息以及路由信息。

METADATA本质上也是一个Bigtable表,因此,自身也由一个或多个Tablet组成。

Root表中记录了METADATA Tablet的路由信息,Root表有且只有一个Tablet组成。

LSM Tree

Bigtable的LSM Tree实现:

数据在写入到Tablet之前先顺序写入到一个日志文件中。

每一个Tablet Server上的多个Tablets共享同一个日志文件。

数据成功被写入到日志文件之后,再写入到Tablet的Memtable(内存排序Map)中。

当Memtable中的数据达到一定的大小之后Flush到GFS中成为SSTable文件。SSTable解释如下:

SSTable is a simple abstraction to efficiently store large numbers of key-value pairs while optimizing for high throughput, sequential read/write workloads.

Bigtable在写WAL时所做的关键优化:

写日志时,通过Group Commit减少IOPS,提升写入性能。

利用两个写入线程避免GFS的写入时延毛刺。

Locality Groups

一个Locality Group是多个Column Families(经常被一起访问)的组合。

同一个Locality Group中的数据会生成到同一个SSTable中。

可以将一个Locality Group配置成是否是常驻内存的。

Compaction

Compaction的三种类型以及对应的作用:

Minor Compaction: 将Memtable中的数据Flush成GFS中的SSTable文件,主要目的有两个:1) 减少Memtable的内存占用。2) 加速Tablet迁移或Tablet Server故障之后的因日志重放所消耗的时间。

Merge Compaction: 将多个SSTable文件合并成一个大的SSTable文件,该过程不回收被标记删除的数据。

Major Compaction: 将同一个路径下所有的SSTables合并成一个大的SSTable文件,该过程回收需要被清理的数据。

BloomFilter

支持使用BloomFilter来加速关于不存在的Row Key或Column的查询,减少随机磁盘IO。

Compression

Bigtable支持两层压缩机制:

利用Bentley-McIlroy Encoding算法预先对公共的Strings进行压缩编码。

在SSTable 16KB的Block级别采用一个快速的通用压缩算法。

Cache

Bigtable支持两类Cache:

Scan Cache缓存Key-Value数据,主要针对频繁发起的相同查询。

Block Cache缓存STable的Block,主要是优化临近查询场景。

参考信息

Bigtable: A Distributed Storage System for Structured Data

Cloud Bigtable Document

欢迎关注"NoSQL漫谈"(nosqlnotes)

  • 发表于:
  • 原文链接http://kuaibao.qq.com/s/20180303G18DAZ00?refer=cp_1026
  • 腾讯「腾讯云开发者社区」是腾讯内容开放平台帐号(企鹅号)传播渠道之一,根据《腾讯内容开放平台服务协议》转载发布内容。
  • 如有侵权,请联系 cloudcommunity@tencent.com 删除。

扫码

添加站长 进交流群

领取专属 10元无门槛券

私享最新 技术干货

扫码加入开发者社群
领券