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)
领取专属 10元无门槛券
私享最新 技术干货