Linux转移海量小文件的技巧

阳光穿透心脏的1/2处 2022-05-18 04:38 274阅读 0赞

在做文件迁移或者服务器迁移的时候，有时候会遇到海量小文件的情况，尤其是有那种用户上传文件，图片，附件的服务器，动辄就是几十上百G的文件，而每个文件只有几K到几十K，使用普通的cp，scp，ftp传输非常慢而且不支持断点续传。如果通过先打包再传输的方式，要消耗掉大量的存储空间，而且压缩和解压又要消耗双倍的时间，非常不划算。下面介绍几种备份海量小文件的方法，持续更新。

1、rsync同步

通过cp，scp，ftp备份文件不仅要考虑到网络带宽，并且在文件又小又多的情况下传输速度也上不去，而且不支持断点续传，rsync同样使用网络进行备份，不过有很大的好处，比如不受文件系统的约束，只要是文件就可以远程传输，而且可以断点续传，rsync会自动扫描哪些传输完成，哪些没有完成，哪些传输损坏，所以我们可以不受限与时间和空间，分批传输。

rsync的搭建非常简单，只需安装然后写一个配置文件即可

被复制端安装rsync服务器

yum install rsync

编写配置文件

vi /etc/rsyncd.conf

配置文件内容，这里假设我们要同步/app下面的所有内容

uid=nobody
    gid=nobody
    max connetctions=4
    use chroot=no
    log file=/var/log/rsyncd.log
    transfer logging=yes
    log format=%t %a %m %f %b
    pid file=/var/run/rsyncd.pid
    lock file=/var/run/rsyncd.lock
    
    [app]
    path=/app/
    comment=app files
    ignore errors
    read only=yes
    list=yes

最后启动rsyncd

/usr/bin/rsync --daemon

然后在接收文件的服务器上，安装rsync，然后只需一条命令就可以完成备份，但是要注意文件的权限问题，如果源文件属于root，备份命令由root发出，那么同步完后文件所属也是root；如果源文件是root，备份命令由nfsnobody发出，那么备份后的文件所属为nfsnobody。

rsync -avzP root@192.168.1.2::app  /data/app/

比如执行上面的命令，我们就可以把宿主机192.168.1.2上面的\[app\]中记录的路径/app下面的所有文件和目录结构都传输到备份服务器上，并且支持断点续传，甚至原服务器文件更新了，新增了也可以同步过来，如果加上了--delete参数，那么源服务器删除的文件也会在备份服务器上删除。

2、克隆磁盘

众所周知小文件的复制要远远慢于单个大文件的，因为文件不停的创建，写入，关闭要浪费巨大的开销。但是我们可以把一块磁盘，一个块设备，甚至一个LV看成一个文件，然后通过块拷贝的方式进行快速复制，绕过操作系统对文件的读写。说白了就是克隆一块硬盘。硬盘的读写速度最高能达到100MB/s左右，SSD甚至能达到600MB/s左右，而拷贝小文件也就几十MB的速度，所以说通过牺牲空间的方式来提高速度。这个在虚拟机上非常容易实现，直接克隆虚拟机或者vmdk磁盘就可以了。

但是这种方式受制于你把文件存储在哪里了，如果是物理磁盘或者虚拟机vmdk磁盘上非常容易克隆，可是如果是使用了LVM的VG和LV怎么办，当然也是可以的，因为LV在linux里也算是块文件，这里我们要用到linux系统的一个命令，就是dd。

dd命令可以实现以块的方式读取块设备，比如硬盘，然后再以块的方式进行写入，通过这种方式，就不需要考虑文件大小和文件数量的问题了，因为dd命令不同与cp命令，是以块为单位的，并且整块磁盘上的分区表，引导区都会被克隆到新磁盘上。

但是dd命令相对与cp命令有一个缺点，就是不能直接拷贝文件夹，而必须是一个块设备，也就是/dev里面的块设备。一般来说，拷贝一块完整的物理硬盘应该是这样的（两块硬盘的大小完全一样）

dd if=/dev/sda of=/dev/sdb

根据这个，我们可以把一块空白硬盘插到源服务器上，通过dd命令把源服务器的一个LV的命令全部拷贝到空白硬盘上，再把这个硬盘拆下来放到备份服务器上。在虚拟机上这都是很容易实现的。

磁盘 /dev/mapper/rhel-rpms：80.0 GB, 79993765888 字节，156237824 个扇区
    Units = 扇区 of 1 * 512 = 512 bytes
    扇区大小(逻辑/物理)：512 字节 / 512 字节
    I/O 大小(最小/最佳)：512 字节 / 512 字节
    
    Disk /dev/sdb: 85.9 GB, 85899345920 bytes, 167772160 sectors
    Units = sectors of 1 * 512 = 512 bytes
    Sector size (logical/physical): 512 bytes / 512 bytes
    I/O size (minimum/optimal): 512 bytes / 512 bytes

比如我这里VG名称是rhel，LV的逻辑文件位置是/dev/mapper/rhel-rpms，新插入的空白硬盘逻辑文件是/dev/sdb。我打算直接把文件和文件系统同步到sdb上，不在sdb上划分区和建立文件系统。当然你也可以划分分区比如sdb1,sdb2等，都是一样的

dd if=/dev/mapper/rhel-rpms of=/dev/sdb

注意这里的sdb要和被克隆的LV完全一样的大小，由于LV的大小经常不是整数，所以我这里建立的/dev/sdb要比LV中的已用空间稍微大一些，但是不能大的太多，因为多出来的部分也会被dd命令写入，白白浪费时间。

同样，如果想要把文件系统做的灵活，也可以从一个LV拷贝到另一个LV中，注意在拷贝的过程中两个LV最后都umount掉，防止有程序再写入或者修改文件。其实不umount也有很大概率成功，我试过，不过还是推荐先umount。

这个方法告诉我们，如果我们要存储一些大量文件，最好是放到单独的LV或者磁盘下面，这样以后迁移或者备份都会容易一些。

3、直接远程挂载

有些情况下，我们不需要把文件完全的拷贝或者迁移，只要新的服务器能够读到就可以了，如果对文件IO要求不太大，可以直接把原来的服务器作为文件服务器使用，通过NFS的方式，把文件系统通过网络让远程服务器进行挂载，简单的说，就是把源服务器改造成一个NAS服务器

yum install nfs-utils

然后编辑nfs配置文件

vi /etc/exports

/data/app         192.168.1.2(rw,async,all_squash,no_subtree_check)

第一个参数是要分享的目录，第二个参数是允许连接的IP地址，如果允许多个IP，可以重复写上面这句多行。