【摘 要】隨著高校視頻監(jiān)控、無紙化辦公、圖書館資料電子化的推廣，高校中海量的數(shù)字資源呈現(xiàn)爆炸性增長，校園中數(shù)據(jù)存儲逐漸成為高校亟需解決的一大難題。高校現(xiàn)行傳統(tǒng)方法是購買更多存儲硬件來解決，其存在成本高、效率低、共享性能差等缺點。通過Hadoop這個云開源項目，它由分布式文件系統(tǒng)HDFS與分布式處理框架MapReduce組成，能夠有效解決校園教學(xué)、辦公等過程中遇到的海量數(shù)據(jù)存儲問題，具有成本低、速度快、易于編程擴展等特點。

【關(guān)鍵詞】云存儲；MapReduce；海量數(shù)據(jù)存儲；HDFS

海量的高校信息資源需要整合，這是當(dāng)前無可爭議的事實，因為高校信息資源存在著資源分布不均衡、更新維護成本高、共享程度低和安全性差等一系列問題。整合資源首先要解決信息的合理存儲這一問題，以便實現(xiàn)高效、安全的訪問。與傳統(tǒng)的存儲方式相比，云存儲很好地解決了這個問題。將基于Hadoop的云存儲應(yīng)用于整合高校信息資源，旨在通過構(gòu)建基于Hadoop的云存儲服務(wù)系統(tǒng)，解決海量數(shù)據(jù)存儲問題，構(gòu)建了一個低成本、高效率、高安全性的分布式信息資源整合解決方案，并給出了系統(tǒng)功能模塊劃分圖。

一、云存儲架構(gòu)的技術(shù)基礎(chǔ)

1.云存儲

云存儲是通過Web服務(wù)API經(jīng)由（內(nèi)部或外部）網(wǎng)絡(luò)訪問的存儲。嚴(yán)格來講，云存儲是服務(wù)，不是存儲，是使用一個由多個存儲設(shè)備和服務(wù)器所組建而成的集合體。云存儲訪問API一般天生就是RESTful的。表述式狀態(tài)轉(zhuǎn)移（REST）是一種分布式超媒體系統(tǒng)的軟件架構(gòu)風(fēng)格。RESTful意味著服務(wù)REST模式的一種架構(gòu)，它由客戶端和服務(wù)器組成，其中客戶端向服務(wù)器發(fā)起請求，服務(wù)器處理請求并返回適當(dāng)?shù)捻憫?yīng)。

2.分布式文件系統(tǒng)HDFS的體系結(jié)構(gòu)

分布式文件系統(tǒng)（Hadoop Distributed File System），簡稱HDFS。具有高容錯性，可以部署在低成本的硬件上。而且它可以提供高傳輸率來訪問API的數(shù)據(jù)，特別適合那些有著超大規(guī)模數(shù)據(jù)集的API。HDFS放寬了對可移植操作系統(tǒng)接口的要求，使其可以流的形式訪問文件系統(tǒng)中的數(shù)據(jù)。

HDFS系統(tǒng)采用主/從架構(gòu)，是Hadoop集群的工作機制的中心，每個Hadoop集群都有以下四個守護進程：

①NameNode：管理命名空間、文件系統(tǒng)元數(shù)據(jù)和訪問控制。

②JobTracker：將子任務(wù)委派給從節(jié)點（TaskTracker）。

③DataNode：通過本地連接的存儲實現(xiàn)文件系統(tǒng)。每個節(jié)點都會在文件系統(tǒng)中存儲這些塊的一個部分（或完整）副本。

④TaskTracker：執(zhí)行map和reduce子任務(wù)。

在每個集群中都只有一個NameNode和JobTracker。但是，可以有多個DataNode和TaskTracker。事實上，復(fù)制式文件系統(tǒng)就意味著你要有一個以上的DataNode節(jié)點。出于簡單和性能方面的原因，大多數(shù)集群都在專用系統(tǒng)上運行NameNode和JobTracker。另外，為了實現(xiàn)數(shù)據(jù)的臨近度，最有效的方式是讓另外一臺機器（稱為“從節(jié)點”）來同時運行DataNode和TaskTracker這兩個守護進程。除了上述四個組件外，還需要一個Secondary NameNode來輔助NameNode，可以防治永久丟失狀態(tài)。

3.彈性MapReduce

MapReduce實現(xiàn)是一種可靠、復(fù)雜的并行處理框架，用一種高分布式風(fēng)格進行，它們允許分布式處理的map函數(shù)和reduce函數(shù)。

①map：最初攝取數(shù)據(jù)的步驟，它會并行地對原始數(shù)據(jù)進行處理。主節(jié)點讀取輸入，將其分成小塊，然后將這些小塊分配給各處理節(jié)點。

②reduce：是一個聚合的步驟，它會將所有map函數(shù)的輸出手機起來，將其組合在一起從而得出原而難題的結(jié)果。

彈性MapReduce是一個Web服務(wù)，你可以將MapReduce應(yīng)用于巨大的數(shù)據(jù)集上，它比任何廉價服務(wù)器可以處理的數(shù)據(jù)規(guī)模要大得多，數(shù)小時內(nèi)完成PB（100萬GB）級的數(shù)據(jù)排序，工作人員可以使用它來處理海量的數(shù)據(jù)。它基于一個托管的Hadoop框架， Hadoop在開始時會將數(shù)據(jù)集分成一些可并行處理的較小的塊（這就是map功能），然后再將這些中間數(shù)據(jù)合并到一個最終的解決方案中（即reduce功能）。彈性MapReduce支持一些類似SQL的工具，如Hive和Pig都是依靠Hadoop進行負載分布和橫向伸縮的，以及許多編程語言，其中包括C++、Cascading、Java、Perl、PHP、Python、R和Ruby。

二、基于Hadoop的海量數(shù)據(jù)存儲模型

Hadoop就是開源的MapReduce，MapReduce也是Hadoop所包括的核心功能，Hadoop這一MapReduce框架要求使用一個共享文件系統(tǒng)，Hadoop通常會運行在HDFS之上。

高校相對于云存儲系統(tǒng)是一個用戶，而高校內(nèi)部有多個部門，相對于云存儲系統(tǒng)的用戶高校來說是一個子用戶。云存儲系統(tǒng)能夠創(chuàng)建、管理、維護高校云存儲用戶；高校云用戶能夠創(chuàng)建、管理、維護各部門子用戶。而子用戶才是真正的終端信息存儲用戶，他們上傳、下載、刪除數(shù)據(jù)信息。由于我們的這個系統(tǒng)是基于HDFS的，而一個基本的HDFS由一個NameNode和n個DataNode組成，云存儲系統(tǒng)是由多個地方的HDFS存儲設(shè)備通過應(yīng)用軟件集合起來協(xié)同工作，完成外部訪問請求。HDFS存儲業(yè)務(wù)以云狀分布在網(wǎng)絡(luò)的各個部分，它具有容量大、性能高、可靠性好、協(xié)同優(yōu)良的特點，正是這些特點，完成了高校信息資源高效訪問與存儲。

圖一 基于Hadoop的海量數(shù)據(jù)存儲模型

在模型設(shè)計上，從圖一可以看出： “主”包括NameNode和JobTracker，每個“從”中包括DataNode和TaskTracker。HDFS的工作主要由NameNode和DataNode共同完成，MapReduce的工作主要由JobTracker和TaskTracker共同完成。

模型工作流程：服務(wù)控制集群SCC（service Controller Cluster）主要負責(zé)對用戶應(yīng)用請求進行接受，并根據(jù)用戶的請求完成應(yīng)答工作。存儲節(jié)點集群SNC（Storage Node Cluster）主要負責(zé)處理數(shù)據(jù)資源的存取工作。JobTracker可以運行在集群系統(tǒng)中的每一臺計算機上，主要完成管理和調(diào)度其它計算機上的TaskTracker。不同的是TaskTracker必須運行在數(shù)據(jù)存儲節(jié)點的DataNode上，主要完成執(zhí)行任務(wù)工作。JobTracker負責(zé)將每一個Map和Reduce任務(wù)分配給空閑的TaskTracker處理，完成對每個數(shù)據(jù)文件并行計算處理任務(wù)，同時對每個任務(wù)運行完成的情況進行監(jiān)控。當(dāng)其中一個TaskTracker重新執(zhí)行完成這個任務(wù)。用戶本身不直接通過Hadoop架構(gòu)進行讀寫數(shù)據(jù)，這樣可以避免大量的讀寫操作造成系統(tǒng)擁塞。當(dāng)用戶通過Hadoop架構(gòu)把信息傳給SCC后，將直接與存儲節(jié)點進行交互，同時完成數(shù)據(jù)讀取操作。

三、校園海量數(shù)據(jù)存儲系統(tǒng)的設(shè)計

1.云存儲系統(tǒng)架構(gòu)設(shè)計

系統(tǒng)由四個部分組成，分別是用戶層、系統(tǒng)管理層、數(shù)據(jù)存儲層和基礎(chǔ)設(shè)施層。

①用戶層：即客戶端瀏覽器。用戶通過客戶端向系統(tǒng)發(fā)出請求，系統(tǒng)把信息反饋給客戶端。

②系統(tǒng)管理層：負責(zé)應(yīng)用程序與底層數(shù)據(jù)操作連接，把用戶需要的數(shù)據(jù)結(jié)果傳回客戶端。主要提供用戶管理、目錄管理、資源管理等服務(wù)。

③數(shù)據(jù)存儲層：Hadoop集群工作在這一層，由MapReduce和HDFS構(gòu)成，負責(zé)數(shù)據(jù)管理與分配任務(wù)，為系統(tǒng)提供分布式計算和存儲。

④基礎(chǔ)設(shè)施層：即硬件基礎(chǔ)設(shè)施，主要包括磁盤、服務(wù)器等。

2.云存儲系統(tǒng)功能設(shè)計

本系統(tǒng)目的是為學(xué)校提供一個解決高校中海量數(shù)據(jù)存儲問題的管理平臺考慮到高校中有多個部門，并且不同部門使用的數(shù)據(jù)內(nèi)容一般不同，為了更好地對數(shù)據(jù)進行分類管理，按照不同部門的職能進行了相應(yīng)子用戶的劃分系統(tǒng)

設(shè)計包括子用戶管理、普通用戶管理、管理員管理和平臺管理四個功能模塊。

子用戶模塊：包括創(chuàng)建目錄、查看目錄、文件上傳、文件下載和文件刪除、修改密碼等

普通用戶模塊： 包括創(chuàng)建目錄、查看目錄、文件上傳、文件下載和文件刪除、修改密碼外，還有子用戶管理等功能，只有普通用戶關(guān)聯(lián)和激活了子用戶，子用戶才能可用

管理員模塊：包括查看目錄、對普通用戶和子用戶的管理等功能，只有關(guān)聯(lián)和激活用戶后，用戶才可以使用。

平臺管理功能：包括服務(wù)器信息管理、故障監(jiān)控和報警管理，為服務(wù)器管理提供友好的用戶界面接口，監(jiān)控系統(tǒng)運行中出現(xiàn)的故障，通過設(shè)定好的方式報警，以便管理人員及時發(fā)現(xiàn)故障和排除故障，最后記錄下故障以便日后查詢。

3.云存儲系統(tǒng)與傳統(tǒng)存儲比較

本系統(tǒng)是基于Hadoop構(gòu)建起來的，能夠迅速地、高效地處理海量數(shù)據(jù)存儲這一難題，滿足當(dāng)今高校在辦公、教學(xué)、科研等各方面的應(yīng)用需求，具有以下優(yōu)勢。

（1）高可靠性。實現(xiàn)了對信息的分布式存儲分布式處理，信息被切分為多個數(shù)據(jù)塊分散地存儲在云中的節(jié)點里，實現(xiàn)了多個副本的備份機制，因此可靠性要遠高于傳統(tǒng)的單機甚至是帶有鏡像服務(wù)的服務(wù)器的存儲方式。

（2）訪問的高效性。通過“心跳檢測”，云中的控制節(jié)點能夠不斷地監(jiān)視節(jié)點的狀態(tài)，當(dāng)發(fā)現(xiàn)存儲節(jié)點失效時，控制節(jié)點能夠?qū)⒁瓿傻墓ぷ鹘唤o那些運行正常的節(jié)點來完成。同時，由于數(shù)據(jù)在云中是分布式的存儲，能夠有效地分擔(dān)存儲和訪問的壓力，這些都使得云存儲具有訪問高效性。

（3）存儲成本低。原先的信息存儲一般使用單一的硬件存儲設(shè)備，信息量增加導(dǎo)致購買成本不斷增加，使得資源存儲的成本不斷提高。而云中的存儲設(shè)備都是廉價的商業(yè)機，并且可以多次重復(fù)利用，跟單一的大容量硬件存儲設(shè)備相比較，容量更大，成本更低。

（4）便捷的管理。云存儲能夠在軟件層做到自動容錯而不依賴硬件本身的容錯，而且將信息資源存儲在云中，有利于對資源進行統(tǒng)一的管理，提高資源的管理效率。

四、結(jié)束語

基于Hadoop的云存儲是一種動態(tài)可調(diào)整、基于互聯(lián)網(wǎng)的存儲解決方案，高校用戶可以使用通用的協(xié)議和應(yīng)用程序接口，經(jīng)由網(wǎng)絡(luò)訪問存儲目標(biāo)，這種新技術(shù)對終端客戶來說很有好處。云存儲可以方便高校用戶增加存儲容量，并且不需要重新購買、安裝和管理任何存儲方面的基礎(chǔ)設(shè)施，卻能提供一個完善的備份、容錯數(shù)據(jù)中心。云存儲的成本低廉和簡易操作性等優(yōu)勢對高校來說具有很強的吸引力，發(fā)展和應(yīng)用前景。

參考文獻：

[1]Jothy Rosenberg，Arthur Mateos.The Cloud at Your Service. Manning Publications Company， 2010

[2]John Rhoton，Risto Haukioja.Cloud Computing Architected：Solution Design Handbook. Recursive， Limited， 2011

[3]黃曉云.基于HDFS的云存儲服務(wù)系統(tǒng)研究[D].大連：大連海事大學(xué)，2010：11-14

作者簡介：

陳雅（1986～），女，廣西南寧人，助教，廣西交通職業(yè)技術(shù)學(xué)院，專職教師。