GlusterFS场景优化之文件预分配

TaoCloud团队原创： http://www.taocloudx.com/index.php?a=shows&catid=4&id=113

随着新技术的持续发展，全球数据量将继续高速增长，据分析机构预测，中国数据量增长最为迅速，预计到2025年将增加到48.6ZB。其中视频监控是数据增长的重要推动因素之一，为了支持大规模的视频监控与分析，对于存储系统来说，提出了新的要求和挑战。由于数据规模的不断增大，相比于传统存储而言，分布式存储的地位显得越来越重要。

问题引入

GlusterFS是一个开源的分布式文件系统，它是一个自由软件。与其他分布式文件系统（如Ceph、HDFS、FastDFS等）相比，GlusterFS具有独特的设计，例如无元数据中心、用户态堆栈式设计、全局统一命名空间等，具有强大的横向扩展能力、良好的可靠性和出色的性能，可广泛应用于各类非结构化数据的存储与共享环境，例如流媒体、数据分析以及其他数据和带宽密集

型业务。

然而，在实际环境测试时，我们发现开源的GlusterFS在某种视频监控应用场景下表现的并不是十分出色，当然GlusterFS的这种表现是和具体应用相关的。测试的场景如下：

业务系统的多个应用服务器访问同一个GlusterFS存储集群，每个应用服务器上运行一套应用软件，应用软件与GlusterFS存储相关的模块主要有两个，一个负责写（单线程），另一个负责读（单线程）。每个应用服务器写入存储的文件数量与其连接的摄像头数量相关，具体是一个摄像头对应两个文件，一个视频数据文件，一个帧文件，数据文件大小为1GB左右，帧文件为几KB，例如一台应用服务器连接100个摄像头，则写线程要处理200个文件。每30分钟，会有一台或几台应用进行文件切换动作，所谓文件切换就是关闭其正在写入的所有文件，然后打开同样数量的新文件，再继续进行数据写入。文件切换动作只由写线程处理，在此期间，没有进行文件切换的应用服务器仍然向存储写入数据。

使用开源GlusterFS构建一个基于EC的GlusterFS文件系统，采用POSIX访问协议，在上述场景下测试遇到如下情况：向存储中写入和读取数据性能良好，只是应用软件在进行文件切换动作时的时延较高（相对于应用软件要求标准），从而导致应用软件的自身任务（写请求）积压较多，给用户的体验不好，并且存在丢失数据的风险。

问题分析与方案提出

对于存储系统性能而言，一般可以通过throughput、IOPS和latency三个指标来衡量。对于上述测试情况，GlusterFS文件系统的读写性能可以较好的满足应用程序，但是在关闭和创建文件这些元数据操作上时延较高，即主要体现在latency指标方面。

在经过充分测试和仔细分析后，我们发现其影响因素是两方面的，一方面应用软件使用单线程执行文件切换操作，并且关闭旧文件与打开新文件是顺序执行的，并发度较低，这是应用软件整体时延较大的原因之一。

另一方面，对于GlusterFS来说，有如下几方面影响因素：

（1）无元数据中心架构，导致不擅长处理创建和关闭文件等元数据操作。

（2）Fuse-bridge模块处理文件查找的机制，会触发多次的GlusterFS内部通信。

（3）EC卷模式，客户端应用的一个文件请求通过一个EC模块会被分为多个请求（具体与配置的冗余度相关），分别发送到一个EC子卷对应的每个brick服务进程，并在所有应答都返回到EC模进行聚合后，才会返回应答给客户端应用，相比没有冗余的哈希卷增大了应用访问时延。

（4）GlusterFS内部的锁机制，io-threads、EC、RPC通信等模块中存在一定程度的锁竞争情况。

（5）基于POSIX协议的数据访问路径较长，对于创建文件请求没有缓存可用，需要真正发送到存储节点brick上，并在处理完成后返回。

（6）GlusterFS的posix模块处理创建文件请求时的额外操作较多，例如多次stat调用、设置扩展属性、设置属主属组、设置acl、创建硬链接、可能还需要创建二级目录等。

总结一下，以上两方面共同作用，导致应用程序文件切换的时延较高，然而从应用程序方面优化往往是不现实的，因此，需要从GlusterFS存储方面寻找解决方案。

针对上述应用场景和影响因素分析，在应用软件不做调整的情况下，为了满足应用软件的时延要求，基于目前GlusterFS的系统架构和工作原理，综合考虑优化工作的有效性和复杂性，我们提出了GlusterFS文件预分配方案。

文件预分配方案的思路是在每个GlusterFS客户端程序内部维护一定数量的预先创建的文件，当应用程序打开新文件时，使用预先创建的文件信息应答应用程序，并在GlusterFS客户端程序内部记录实际文件与预先创建的文件之间的对应关系，这样以来应用打开新文件（时延主要因素）不受GlusterFS内部锁竞争、数据访问路径较长、通信网络状况和存储端磁盘繁忙状况这些因素的影响，时延会非常低，从而大大降低了应用进行文件切换动作的总时延。

文件预分配方案架构

首先看下原生GlusterFS的总体（外部）架构和内部架构，然后给出引入文件预分配后的内部架构（外部架构与原生GlusterFS相同），通过两者比较，更加有助于理解GlusterFS文件预分配方案。

GlusterFS总体架构如图4所示，主要由存储服务器（GlusterFS Brick）、客户端（GlusterFS Client）和存储网关（NFS/Samba以及API）构成。该架构中没有元数据服务组件，采用完全对等的设计，对其强大扩展能力和出色的性能有重要意义。

• 存储服务器

  存储服务器主要提供基本的数据存储功能，其上运行的glusterfsd进程负责处理来自其他组件的数据请求。最终的文件数据通过统一的调度策略分布在不同的存储服务器上，数据以原始格式直接存储在服务器的本地文件系统上，如EXT4、XFS和ZFS等。

• 客户端

  由于没有元数据服务器，GlusterFS将更多的功能放到了客户端，包括数据卷管理、I/O调度、文件定位、数据缓存等功能。客户端上运行glusterfs进程，它实际是glusterfsd的符号链接，只是运行的同一程序的不同代码逻辑，利用FUSE模块将GlusterFS文件系统挂载到本地文件系统之上，实现POSIX兼容的方式来访问存储服务器上的数据。

• 存储网关

  即NAS网关，利用GlusterFS提供的API访问存储服务器。对于没有运行GlusterFS原生客户端的客户应用，可以基于NFS/CIFS标准协议，通过存储网关访问存储服务器上数据。

如图5所示，GlusterFS内部软件架构是模块化堆栈式设计。模块称为translator，是GlusterFS提供的一种强大机制，借助这种良好定义的接口可以高效简便地扩展文件系统的功能。每个translator都是一个动态库，运行时根据配置动态加载。每个模块实现特定基本功能，GlusterFS中所有的功能都是通过translator实现，比如I/O Cache、read ahead、write behind、distribute（DHT）、disperse（EC）、client、server和posix等。

客户端和存储服务器均有自己的存储软件栈（由一些translator组成），整体上构成了一棵translator功能树。模块化和堆栈式的架构设计，极大降低了系统设计复杂性，简化了系统的实现、升级以及系统维护。

基于上述对GlusterFS总体架构和内部软件架构的介绍，再来看引入文件预分配后的GlusterFS内部软件架构（如图6），则比较容易理解其实现原理，主要是增加了一个预分配（pre-allocation）模块。

文件预分配功能主要是通过在GlusterFS原生客户端软件堆栈中新增加一个预分配模块来实现。具体位置在meta模块（位于客户端堆栈的顶端，是fuse-bridge模块之下的第一个模块，客户端初始化时自动加载）之下，客户端挂载时可以选择加载与否。在预分配模块中，通过预先创建文件并维护其相关信息，以及维护与应用实际要创建的文件之间的对应关系，来加速应用程序创建文件，从而降低其文件切换时延。

实现剖析

首先概括介绍文件预分配实现总体实现，然后介绍引入文件预分配后的数据访问路径，其次说明几个主要场景的处理过程，最后进行简要总结。

• 预分配模块组成部分

GlusterFS文件预分配功能主要由预分配模块实现，预分配模块位于GlusterFS客户端堆栈。该模块遵循GlusterFS模块的实现模板，主要实现了lookup、create、open、writev、flush、fstat、fsetattr、fsetxattr、fgetxattr、fm_setxattr、fsync等接口，同时创建了两个线程，create线程和rename线程，分别用于实现文件预先创建和文件重命名功能。

预分配模块的内部维护3个双向链表，new链表、inuse链表和purge链表，依次保存预先创建且未被使用的文件信息、预先创建且已使用（与应用实际文件存在对应关系）的文件信息和已使用并且数据写入完成的文件信息（需要重命名的文件）。另外，预分配模块在客户端创建一个数据库，用于持久化保存预分配的文件信息和文件映射关系信息，也便于异常情况的处理。如图7所示，凸显了预分配模块的主要组成部分。

• 文件预分配数据访问路径

一次完整的数据访问流程如下：

1）    应用程序发出文件请求到客户端的VFS层。

2）    客户端的VFS层通过FUSE转发请求到GlusterFS客户端进程。

3）    GlusterFS客户端进程收到请求后，从fuse-bridge模块开始，依次经过客户端堆栈所有已经加载的模块（包括预分配模块），如果预分配模块检测到当前是创建文件请求，则在处理请求后直接返回应答，不再向下层转发请求；否则最后经过client模块，然后通过网络通信发送到存储服务端。

4）    GlusterFS服务端进程收到请求后，从server模块开始，依次经过服务端堆栈所有已经加载的模块，最后到posix模块，然后通过C库函数或系统调用发送到服务端VFS层。

5）    服务端VFS层收到请求后，发送给具体底层文件系统进行处理，处理之后，应答信息按照原路径返回到应用程序，至此一次客户端请求结束。

• 客户端进程初始化场景

1）    客户端使用mount命令挂载GlusterFS存储。

2）    GlusterFS客户端进程启动并加载所有模块，包括预分配模块，并与GlusterFS存储端进程交互，完成初始化工作。

3）    预分配模块初始化时创建create线程和rename线程，在init函数中初始化本地数据库。在等待客户端进程初始化完成后（fuse_first_lookup函数返回），create线程创建一定数量的文件，并进入睡眠状态，等待唤醒。在客户端进程初始化完成后，rename线程同样也进入睡眠状态，等待唤醒。

4）    客户端进程准备就绪，等待处理应用程序请求。

• 文件预创建场景

本方案有两个时机会触发create线程进行文件预创建，一个是在客户端进程初始化时，另一个是当预先创建的文件已经使用了阈值的70%时。一般处理流程如下：

1）    Create线程构造文件创建的请求，通过GlusterFS的同步创建文件接口（syncop_create）向预分配模块的下一层发送请求。

2）    该文件创建请求传输到GlusterFS服务端，并得到处理后返回应答。

3）    Create线程收到创建文件应答，然后在内存中记录下该文件相关信息。

4）    将新创建的文件信息保存到到new链表，同时保存到数据库进行持久化。

5）    重复执行步骤1）到4），直到创建的文件达到阈值，然后create线程进入睡眠状态并等待唤醒。

• 处理应用请求场景

1）    客户端进程在fuse-bridge模块接收到应用请求，对其进行解析，并发往下一层。

2）    在预分配模块接收到上层请求，根据具体请求类型，进行相关处理，或者直接发往下一层；当需要具体处理时（如create请求），则从new链表中找到一个预分配文件，将其信息返回给应用程序，同时记录并持久化该预分配文件与实际文件的对应关系，并将该预分配文件从new链表转移到inuse链表。如果预创建的文件达到阈值的70%，则需要通知create线程进行相应的处理。

3）    create线程收到通知后，执行具体操作（create），操作完成后继续进入睡眠，等待下次唤醒。

4）    客户端进程在fuse-bridge模块接收到服务端或者预分配模块的应答后，将请求的执行结果返回给应用程序。

5）    客户端进程继续等待处理应用程序请求。

• 文件重命名场景

1）    预分配模块接收到上层create请求，计算相邻两次create请求之间的时间间隔，如果间隔时间超过重命名时间间隔阈值，则将所有已经使用的预先创建文件移动到purge链表，并通知rename线程进行处理。

2）    Rename线程遍历purge链表，将其中的每一个预分配的文件进行重命名。

3）    对每一个文件重命名后，rename线程同时将其在数据库中的记录删掉。

4）    处理完链表中的所有文件后，rename线程进入睡眠状态并等待唤醒。

• 客户端进程退出场景

1）    客户端卸载（umount）GlusterFS存储。

2）    客户端进程进入退出流程处理，从fuse-bridge模块开始到client模块，依次调用本层的退出清理函数，释放申请的资源，其中预分配模块负责通知create线程和rename线程退出。

3）    重命名线程关闭与数据库的连接，释放数据库相关资源。

4）    所有客户端模块处理完后，客户端进程调用exit退出进程。

方案验证

使用视频监控模拟程序进行测试，在同等环境下测试多次，开源GlusterFS和本文方案实际测试300个文件切换的时延对比结果如下：

小结

本文介绍的GlusterFS文件预分配方案，主要为了解决特定视频监控场景下的文件切换时延问题。从理论分析和实际测试结果上看，效果还是比较显著的。如果读者遇到类似的问题，不妨考虑一下本文的方案。

文件预分配方案能够大大降低本文所述场景下的文件切换时延，但也存在一定的要求和限制，要求是需要特别熟悉应用程序的访问模式，而限制则是一个客户端正在写入文件时，在另一个客户端访问不到该文件，直到该文件写入完成并被重命名后才能访问到，这也是下一步的优化方向。