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: 高可用性

数据模型

Table

A Bigtable is a sparse, 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{Row Key, Column Key, Timestamp}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 Columns
    Row1 {ID, Name, Phone}
    Row2 {ID, Name, Address, Title}
    Row3 {ID, Address, Email}

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。

逻辑架构

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。

关键设计

LSM Tree

Bigtable的LSM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。

References

  1. Bigtable: A Distributed Storage System for Structured Data
  2. Cloud Bigtable Document

推荐阅读

Bigtable设计的”得”与”失”

Bigtable在近些年的演进

HBase与Bigtable的关键区别点

本文源自:NoSQL漫谈(nosqlnotes.com)
除非特别注明,本站文章均为原创,转载请注明出处和链接。

4 comments

Leave a Reply

电子邮件地址不会被公开。 必填项已用*标注