TFS（Taobao !FileSystem）

逃离我推掉我的手 2022-07-14 22:57 234阅读 0赞

## 简介 ##

TFS（Taobao !FileSystem）是一个高可扩展、高可用、高性能、面向互联网服务的分布式文件系统，主要针对海量的非结构化数据，它构筑在普通的Linux机器集群上，可为外部提供高可靠和高并发的存储访问。TFS为淘宝提供海量小文件存储，通常文件大小不超过1M，满足了淘宝对小文件存储的需求，被广泛地应用在淘宝各项应用中。它采用了HA架构和平滑扩容，保证了整个文件系统的可用性和扩展性。同时扁平化的数据组织结构，可将文件名映射到文件的物理地址，简化了文件的访问流程，一定程度上为TFS提供了良好的读写性能。

## TFS的总体结构 ##

一个TFS集群由两个!NameServer节点（一主一备）和多个!DataServer节点组成。这些服务程序都是作为一个用户级的程序运行在普通Linux机器上的。

在TFS中，将大量的小文件(实际数据文件)合并成为一个大文件，这个大文件称为块(Block), 每个Block拥有在集群内唯一的编号(Block Id), Block Id在!NameServer在创建Block的时候分配, !NameServer维护block与!DataServer的关系。Block中的实际数据都存储在!DataServer上。而一台!DataServer服务器一般会有多个独立!DataServer进程存在，每个进程负责管理一个挂载点，这个挂载点一般是一个独立磁盘上的文件目录，以降低单个磁盘损坏带来的影响。

!NameServer主要功能是: 管理维护Block和!DataServer相关信息,包括!DataServer加入，退出, 心跳信息, block和!DataServer的对应关系建立，解除。正常情况下，一个块会在!DataServer上存在， 主!NameServer负责Block的创建，删除，复制，均衡，整理， !NameServer不负责实际数据的读写，实际数据的读写由!DataServer完成。

!DataServer主要功能是: 负责实际数据的存储和读写。

同时为了考虑容灾，!NameServer采用了HA结构，即两台机器互为热备，同时运行，一台为主，一台为备，主机绑定到对外vip，提供服务；当主机器宕机后，迅速将vip绑定至备份!NameServer，将其切换为主机，对外提供服务。图中的HeartAgent就完成了此功能。  
  
![structure.png][]

TFS的块大小可以通过配置项来决定，通常使用的块大小为64M。TFS的设计目标是海量小文件的存储，所以每个块中会存储许多不同的小文件。!DataServer进程会给Block中的每个文件分配一个ID(File ID，该ID在每个Block中唯一)，并将每个文件在Block中的信息存放在和Block对应的Index文件中。这个Index文件一般都会全部load在内存，除非出现!DataServer服务器内存和集群中所存放文件平均大小不匹配的情况。

另外，还可以部署一个对等的TFS集群，作为当前集群的辅集群。辅集群不提供来自应用的写入，只接受来自主集群的写入。当前主集群的每个数据变更操作都会重放至辅集群。辅集群也可以提供对外的读，并且在主集群出现故障的时候，可以接管主集群的工作。

## 平滑扩容 ##

原有TFS集群运行一定时间后，集群容量不足，此时需要对TFS集群扩容。由于DataServer与NameServer之间使用心跳机制通信，如果系统扩容，只需要将相应数量的新!DataServer服务器部署好应用程序后启动即可。这些!DataServer服务器会向!NameServer进行心跳汇报。!NameServer会根据!DataServer容量的比率和!DataServer的负载决定新数据写往哪台!DataServer的服务器。根据写入策略，容量较小，负载较轻的服务器新数据写入的概率会比较高。同时，在集群负载比较轻的时候，!NameServer会对!DataServer上的Block进行均衡，使所有!DataServer的容量尽早达到均衡。

进行均衡计划时，首先计算每台机器应拥有的blocks平均数量，然后将机器划分为两堆，一堆是超过平均数量的，作为移动源；一类是低于平均数量的，作为移动目的。

移动目的的选择：首先一个block的移动的源和目的，应该保持在同一网段内，也就是要与另外的block不同网段；另外，在作为目的的一定机器内，优先选择同机器的源到目的之间移动，也就是同台!DataServer服务器中的不同!DataServer进程。  
当有服务器故障或者下线退出时（单个集群内的不同网段机器不能同时退出），不影响TFS的服务。此时!NameServer会检测到备份数减少的Block，对这些Block重新进行数据复制。

在创建复制计划时，一次要复制多个block, 每个block的复制源和目的都要尽可能的不同，并且保证每个block在不同的子网段内。因此采用轮换选择(roundrobin)算法，并结合加权平均。

由于DataServer之间的通信是主要发生在数据写入转发的时候和数据复制的时候，集群扩容基本没有影响。假设一个Block为64M，数量级为1PB。那么NameServer上会有 1 \* 1024 \* 1024 \* 1024 / 64 = 16.7M个block。假设每个Block的元数据大小为0.1K，则占用内存不到2G。

## 存储机制 ##

在TFS中，将大量的小文件(实际用户文件)合并成为一个大文件，这个大文件称为块(Block)。TFS以Block的方式组织文件的存储。每一个Block在整个集群内拥有唯一的编号，这个编号是由NameServer进行分配的，而DataServer上实际存储了该Block。在!NameServer节点中存储了所有的Block的信息，一个Block存储于多个!DataServer中以保证数据的冗余。对于数据读写请求，均先由!NameServer选择合适的!DataServer节点返回给客户端，再在对应的!DataServer节点上进行数据操作。!NameServer需要维护Block信息列表，以及Block与!DataServer之间的映射关系，其存储的元数据结构如下：  
  
![metadata.png][]

在!DataServer节点上，在挂载目录上会有很多物理块，物理块以文件的形式存在磁盘上，并在!DataServer部署前预先分配，以保证后续的访问速度和减少碎片产生。为了满足这个特性，!DataServer现一般在EXT4文件系统上运行。物理块分为主块和扩展块，一般主块的大小会远大于扩展块，使用扩展块是为了满足文件更新操作时文件大小的变化。每个Block在文件系统上以“主块+扩展块”的方式存储。每一个Block可能对应于多个物理块，其中包括一个主块，多个扩展块。  
在DataServer端，每个Block可能会有多个实际的物理文件组成：一个主Physical Block文件，N个扩展Physical Block文件和一个与该Block对应的索引文件。Block中的每个小文件会用一个block内唯一的fileid来标识。!DataServer会在启动的时候把自身所拥有的Block和对应的Index加载进来。

## 容错机制 ##

1.  集群容错

TFS可以配置主辅集群，一般主辅集群会存放在两个不同的机房。主集群提供所有功能，辅集群只提供读。主集群会把所有操作重放到辅集群。这样既提供了负载均衡，又可以在主集群机房出现异常的情况不会中断服务或者丢失数据。

1.  !NameServer容错

Namserver主要管理了!DataServer和Block之间的关系。如每个!DataServer拥有哪些Block，每个Block存放在哪些!DataServer上等。同时，!NameServer采用了HA结构，一主一备，主NameServer上的操作会重放至备NameServer。如果主NameServer出现问题，可以实时切换到备NameServer。  
另外!NameServer和!DataServer之间也会有定时的heartbeat，!DataServer会把自己拥有的Block发送给!NameServer。!NameServer会根据这些信息重建!DataServer和Block的关系。

1.  !DataServer容错

TFS采用Block存储多份的方式来实现!DataServer的容错。每一个Block会在TFS中存在多份，一般为3份，并且分布在不同网段的不同!DataServer上。对于每一个写入请求，必须在所有的Block写入成功才算成功。当出现磁盘损坏!DataServer宕机的时候，TFS启动复制流程，把备份数未达到最小备份数的Block尽快复制到其他DataServer上去。 TFS对每一个文件会记录校验crc，当客户端发现crc和文件内容不匹配时，会自动切换到一个好的block上读取。此后客户端将会实现自动修复单个文件损坏的情况。

## 并发机制 ##

对于同一个文件来说，多个用户可以并发读。  
现有TFS并不支持并发写一个文件。一个文件只会有一个用户在写。这在TFS的设计里面对应着是一个block同时只能有一个写或者更新操作。

## TFS文件名的结构 ##

TFS的文件名由块号和文件号通过某种对应关系组成，最大长度为18字节。文件名固定以T开始，第二字节为该集群的编号(可以在配置项中指定，取值范围 1~9)。余下的字节由Block ID和File ID通过一定的编码方式得到。文件名由客户端程序进行编码和解码，它映射方式如下图：  
  
![filename.png][]  
  
TFS客户程序在读文件的时候通过将文件名转换为BlockID和FileID信息，然后可以在!NameServer取得该块所在!DataServer信息（如果客户端有该Block与!DataServere的缓存，则直接从缓存中取），然后与!DataServer进行读取操作。

## TFS性能数据 ##

1.  软件环境描述

【测试机软件情况描述】  
(1) Red Hat Enterprise Linux AS release 4 (Nahant Update 8)   
(2) gcc (GCC) 3.4.6 20060404 (Red Hat 3.4.6-11)   
(3) 部署了TFS客户端程序   
【服务器软件情况描述】  
(1) Red Hat Enterprise Linux Server release 5.4 (Tikanga)   
(2) gcc (GCC) 3.4.6 20060404 (Red Hat 3.4.6-9)   
(3) 部署了2台!DataServer程序。  
【服务器软件情况描述】  
(1) Red Hat Enterprise Linux Server release 5.4 (Tikanga)   
(2) gcc (GCC) 4.1.2 20080704 (Red Hat 4.1.2-46)   
(3) 部署了2台!NameServer（HA）程序。

1.  硬件环境描述

【测试机硬件情况描述】  
(1) 一枚八核Intel(R) Xeon(R) CPU E5520 @ 2.27GHz   
(2) 内存总数8299424 kB   
【服务器硬件情况描述】cpu/memory等  
(1) 一枚八核Intel(R) Xeon(R) CPU E5520 @ 2.27GHz   
(2) 内存总数8165616 kB

1.  随机读取1K~50K大小的文件性能

![read.png][]  
  
Read的TPS随着线程数的增加而增加，增长逐渐趋缓，到90线程的时候达到第一个高峰，此时再增加读线程，则TPS不再稳定增长。

1.  随机写入1K~50K大小的文件

![write.png][]  
  
Write的TPS在线程数60左右达到高峰，此时再增加写入线程，TPS不再稳定增长。

1.  在不同线程写压力下的读文件性能

![rs10.png][]  
  
  
![rs100.png][]

可以看出随着写压力的增加，读文件的TPS会大幅下滑。当写压力达到一定程度时读文件TPS趋缓。

同时，对平均大小为20K的文件进行了测试，测试中读:写：更新:删除操作的比率为100：18：1：1时，在!DataServer服务器磁盘util访问达到80%以上时，响应时间如下：

<table style="border-collapse:collapse; border-spacing:0px; color:rgb(0,0,0); font-family:tahoma,arial,宋体; font-size:12px; line-height:18px"> 
 <tbody> 
  <tr> 
   <td style="margin:0px; padding:0px; text-align:center">TYPE</td> 
   <td style="margin:0px; padding:0px">SUCCCOUNT</td> 
   <td style="margin:0px; padding:0px">FAILCOUNT</td> 
   <td style="margin:0px; padding:0px">AVG(us)</td> 
   <td style="margin:0px; padding:0px">MIN(us)</td> 
   <td style="margin:0px; padding:0px">MAX(us)</td> 
  </tr> 
  <tr> 
   <td style="margin:0px; padding:0px; text-align:center">read</td> 
   <td style="margin:0px; padding:0px">100000</td> 
   <td style="margin:0px; padding:0px">0</td> 
   <td style="margin:0px; padding:0px">20886</td> 
   <td style="margin:0px; padding:0px">925</td> 
   <td style="margin:0px; padding:0px">1170418</td> 
  </tr> 
  <tr> 
   <td style="margin:0px; padding:0px; text-align:center">write</td> 
   <td style="margin:0px; padding:0px">18000</td> 
   <td style="margin:0px; padding:0px">0</td> 
   <td style="margin:0px; padding:0px">17192</td> 
   <td style="margin:0px; padding:0px">2495</td> 
   <td style="margin:0px; padding:0px">1660686</td> 
  </tr> 
  <tr> 
   <td style="margin:0px; padding:0px">update</td> 
   <td style="margin:0px; padding:0px">1000</td> 
   <td style="margin:0px; padding:0px">0</td> 
   <td style="margin:0px; padding:0px">48489</td> 
   <td style="margin:0px; padding:0px">5755</td> 
   <td style="margin:0px; padding:0px">1205119</td> 
  </tr> 
  <tr> 
   <td style="margin:0px; padding:0px">delete</td> 
   <td style="margin:0px; padding:0px">1000</td> 
   <td style="margin:0px; padding:0px">0</td> 
   <td style="margin:0px; padding:0px">14221</td> 
   <td style="margin:0px; padding:0px">382</td> 
   <td style="margin:0px; padding:0px">591651</td> 
  </tr> 
 </tbody> 
</table>

TYPE：操作类型  
SUCCCOUNT：成功个数  
FAILCOUNT：失败个数  
AVG：平均响应时间  
MIN：最短响应时间  
MAX: 最大响应时间

[structure.png]: /images/20220715/bd997f29f60e4c689efa8554eafc640d.png
[metadata.png]: /images/20220715/d7bf5c20f248403e90bcbfef4658d9d3.png
[filename.png]: /images/20220715/626d75bee935442b8ad072c02a6d7768.png
[read.png]: /images/20220715/a628837e5a364696ba4d7ec79e3e4133.png
[write.png]: /images/20220715/ae00839800744031bdb5d32eae1b700a.png
[rs10.png]: /images/20220715/b8edc1b39d4f41d9b74e6d6122ccf807.png
[rs100.png]: /images/20220715/edfdf13dbb1a4159940893b4be419aa1.png