【大话存储II】学习笔记（15章），块级集群存储系统

存储系统演变

存储系统一直以来都是一个总的控制器加上几串磁盘扩展柜存在的，但是随着数据量的快速增加，性能受限于控制器，所以要提升整体的处理能力，主要有两种方法：

• 最简单的是在单个控制器中加入更多的CPU、内存等，就如同PC机性能不够了，就加内存、换SSD等。这种扩展方式称为带内扩展，Scale-up

  这种方式的问题是，随着CPU数量的增多，耗费的设计成本会越来越大。比如说在多CPU的系统中，我们需要花费大量的精力来保证CPU之间的通信。可见【大话存储】多CPU架构变迁， SMP,NUMA,MPP

• 而多台独立的控制器形成一个集群，他们通过网络将互联起来。这种方式叫带外升级，Scale-Out

  不过现在大规模主机集群没有广泛应用于企业中，原因在于集群的应用程序还没有跟上。我们知道传统的程序主要是运行在单机上的，并没有针对集群进行相应的优化，目前只有一些数据库等系统提供了集群方式的部署，比如Oracle RAC等。

  另一方面，企业又被主机性能浪费所困扰，又需要部署虚拟机系统

  真的是集群也不是，不集群也不是，又催生了更彻底的解决方案——云系统。

好了我们重新回到集群存储系统上来，如果存储系统要做集群，数据分布方式将有两种：

• 将整体数据切分成若干份，然后每一份都分开存储在单个的节点上

  这种方式，因为完全由系统自己决定如何切分。如果多个应用系统同时访问，有可能会影响系统整体的性能。

• 手动进行切分，每一份放在独立的节点上。

  这种方式需要更多人为干预，但是却可以保证性能资源的合理分配，每个应用系统只访问一个或者若干节点，不影响其他节点的性能。这种方式，相当于在传统架构中为每个应用建立独立的Raid Group一样。

其实一个存储系统最大的问题在于在多主机并发访问时，如何能保证系统的性能，目前主要是通过隔离资源的方法来解决。

所以对于主机而言，只能看到自己的LUN，只是这些LUN是虚拟出来的，可以进行集中管理。

我们可以把集群存储系统分为如下三种：

• 块存储系统

• NAS集群系统

• 文件系统集群

下面我们将先介绍块存储系统，主要介绍市面上几种典型的产品。

image.png

IBM XIV集群存储系统

组成部分

XIV是一种网格集群化存储系统，每个节点都是一台PC Server，每个节点包含12块本地SATA盘，配置是两颗4核的CPU和8GB的内存。

XIV有共有两种类型的节点：Interface Node , Data Node

• 只有Interface Node上插着FC HBA卡，也就说主机只能连接到Interface Module上。Interface Module本身含有12块SATA硬盘。

• Data Node只有12块SATA硬盘以及两块双口千兆以太网卡。

所以这两种节点都可以提供存储空间，只是说Interface Node还可以接前端的主机而已。

下图为集群连接拓扑。

image.png

下图为机柜示意图

image.png

LUN的分布式设计

集群系统中，LUN被平均分布在多个节点上，也就是说一块逻辑硬盘实际上会拆分成若干份，散落在不同的节点上面。那么我们怎么知道LUN分散到哪里去了呢？这就需要一个映射图来记录每个LUN的分布情况。

为了保证数据块不丢失，每个LUN对应的数据块会镜像一份，而且放到另一个节点上。这样纵然这个节点挂了，还可以根据映射图找到其镜像，然后重新复制一份到剩余空间里面。这种思想就叫多副本机制，我们把源分块称为Primary，镜像分块称为Secondary。

这种思想与NetApp的WAFL文件系统极为类似，实际上高度虚拟化的设备，一般来说，底层的LUN不是存在于固定的位置。比如XIV可以通过映射图来记录LUN在所有节点的存储地址，这就是文件系统的思想，我们知道文件系统是可以通过INode Tree来遍历整个文件的分布情况的。

WAFL和XIV正是对文件系统的基本思想的灵活运用，但是XIV的粒度和元数据复杂度没有WAFL那么细，所以没有沦为一个彻底的文件系统。

所以像XIV这样的块存储系统，对内使用文件系统的基本思想进行LUN的管理，但是对外屏蔽细节，对主机而言是透明的。

如何应对客户端的写IO

当某个Interface Node接收到一个写IO的以后，首先会通过映射表去判断这个写IO会落到哪个节点上以及其镜像又落在哪里。有两种可能，一种是留在Interface Node 上，也可能在Data Node 上。

• 如果是落在Interface Node本地硬盘中，则会将副本发送到分块镜像所在的Node中。
  然后返回成功。

• 如果是放到另外的节点中，则Interface Node重定向这个写IO到该节点中。应该保存Primary分块的节点会再次根据映射表把分片数据复制到副本节点中。
  当副本也写入成功了以后，才会向最初的Interface Node返回成功回应。由Inteface Node向客户端返回成功。

image.png

总结一下，就是Interface Node会接收到主机的写IO请求，如果发现是写到自己的内部硬盘上，则复制两份到副本节点上。

如果Inteface Node发现数据是写到其他节点上，则会将写IO重定向到对应的节点上，由该节点复制两份数据到其他节点。当所有的写入都成功了以后，才会向最初的Interface Node返回成功，注意，此时仍由Inteface Node 向主机返回成功，也就意味着，主机其实不知道数据被重定向走了，它仍然以为自己在和此Inteface Node 交互数据呢。

XIV快照设计

我们知道XIV设计也使用了文件系统的思想，所以对于快照，XIV的做法与WAFL差不多，都使用Write Redirect。现在简单的讲一下。

XIV的卷管理模块其实是一个集群文件系统，每个LUN都对应一个分布式映射表(Distribute Map)。

如要要生成快照，可以将这个点数据以及映射表先冻结，然后把映射表复制一份，做为新的活动映射表，之后的针对这个LUN的写IO都会被重定向到空闲数据块上，并把映射表更新。

所以再生成快照就简单了，只需要把活动的映射表复制一份即可，这就是Write Redirect模式。

故障恢复

XIV对数据分布的本质思想是分布式RAID 10，相当于将一个LUN复制一份，副本保存在其他位置，这样系统的可用容量相当于减半了，我们可以把这种设计称为上层分布式RAID 10。

那么这种RAID 10的做法与传统的RAID 10有什么区别呢？

我们传统的RAID 10不管底层有没有数据占用，都会将所有数据块镜像起来，浪费了很多空间。这是因为判断有用或者是没有是上层的文件系统来做的，传统的RAID 10根本无法判断，所以只能一股脑的镜像。

XIV相当于一种粗粒度的文件系统，它可以在上层对数据块是否有用进行判断。

下面来具体看看XIV是怎么做：

• 不需要备份无用的块：XIV卷管理系统相当于一个粗粒度的文件系统，LUN就是它管理的文件，所以它可以感知LUN分块占用了磁盘的哪块空间。也就是说卷管理系统完全可以只镜像部分LUN分块，而无须做其他的无用功。

• 分布式

  假设LUN被分为6块数据块，分别标记为B1_{B6，镜像块为M1}M6。

image.png

如果D1故障，为了恢复数据的冗余，可以将镜像块M1~M3复制到D3和D4磁盘中。

D1故障

如果D3又故障了，那么数据还是没有丢失，依然继续复制。此时还有冗余性，存在一份副本。

D3故障

此时如果D2或者D4发生了故障，则没有冗余性了，但是数据仍然没有丢失。

此时如果手动添加了两块硬盘，XIV会重新平衡数据。如下图：

image.png

XIV的这种上层RAID 10设计可以随时迁移数据块，并且可以任意分布式摆放数据块，不受磁盘数量限制。只受系统内剩余空间限制。我们把这种模式叫上层分布式RAID 10

那么与传统的RAID 10有什么区别。传统的RAID 10在一块盘故障之后，只能将数据镜像到新盘里面。

目前发布的XIV系统，最大配置为6个Interface Node和9个Data Node，最大磁盘数为1512 = 180块。XIV这种架构设计可以很容易的扩充节点*

XIV优点

下面我们来看一下XIV相对于传统架构有什么优点：

• 如果此时系统还有剩余的磁盘空间，只要磁盘一块一块的坏下去，整体数据的冗余性可以保持，直到一点空间都没有的时候。当然前提是，当一个磁盘或者节点坏了以后，需要Rebuild，也就是只有在Rebuild以后，才允许再坏一块硬盘，否则有可能数据被损坏。

• 另一个优点在于恢复的速度上，它的Rebuild时间短，一个1TB容量的SATA盘损坏之后，Rebuild时间只有30分钟作用，为什么这么快呢？

  • 原因一：XIV使用的是RAID 10的思想，而不是RAID 5。

  这样XIV没有校验盘，不需要计算校验值，也不需要把校验值放到其他空间里面，节省了大量计算资源和IO资源。所以XIV的恢复时间比RAID 5快十几倍很正常。

  我们可以简单的对比一下。假设有180块硬盘，组成大RAID 5，此时坏了一块盘，系统需要从剩下的盘里面读所有的数据。

  若一块盘容量为1TB，内部磁盘环路带宽为4Gb，需要耗费时间（179TB/4Gb）/3600=130.3小时，与XIV的30分钟相比，反差巨大。

  还可以与传统的RAID 10对比一下。180块盘组成RAID 10，其中90块数据盘和90块镜像盘，如果一块盘故障，会从对应的镜像盘中读数据。由于是RAID 10，不需要计算XOR等，可以整盘复制，所以是连续读写，可以达到磁盘的最大吞吐。SATA硬盘的理论连续读吞吐量为60MB/s，所以Rebuild时间为（1TB/60MB/s）/3600 = 4.85小时，为XIV的10倍。因为RAID 10需要整盘复制。

  • 原因二：分布式。

  传统RAID 10中，一块盘坏了，只能从镜像盘中取数据，写到新盘上，也就是一个盘读，一个盘写。

  而XIV是将LUN分块平衡存放到多个磁盘上，而这些分块对应的镜像也是存放在多块磁盘。所以XIV在 Rebuild的时候，是从多块盘读，多块盘写，相当于RAID 3，众人拾柴火焰高，恢复速度当然快。

  • 原因三：最重要的原因，不做无用功。

  Rebuild的时候，只使用了已占用的数据块，而不是整块盘。

image.png

3PAR公司Inserv-T800集群存储系统

Inserv-T800为一款x86集群式存储系统。

每个节点都是一台x86 Server，整个集群可以由2~8个节点组成。系统所有节点两两直通，每两个节点使用一条独立的100MHz 64b PCI-X总线相连。

比如一个8节点的系统，1个节点需要与另外7个节点互联，所以每个节点都需要7条PCI-X总线连接到背板，形成一个具有28条直通PCI-X的星形结构。

image.png

PCI-X是半双工的，所以内部互联带宽为28*800MB/s=21.875GB/s。

不过因为PCI-X并非一种包交换网络传输模式，所以背板不需要加电，是一块布满导线和接口的被动式背板。也正因为此，只用了两个控制器，则只用到一条PCI-X作为互联.

image.png

上图为单节点内部的架构，其中ASIC芯片是比较独特的。它将Thin Provision和LUN Shrink功能内嵌到芯片里面来执行。

image.png

3PAR扩展柜很有特色：在4U的空间放置40块3.5的大盘。因为磁盘可以竖着插而且紧密排列，所以散热和共振的问题也解决了。

特点：

• 使用直连的PCI-X总线作为节点之间的互联。但是因为使用点对点的互联，而不是使用交换的方式，系统的扩展性很有限

• 节点内部使用ASIC来实现大部分的数据操作，而且还负载Thin Provision和LUNShrink(Space Reclaiming)，降低了CPU的负担。而且扩展柜的高密度设计，减少了空间和连线，降低了耗电。

瓶颈在于每个节点使用3条1GB/s的PCI-X总线来支持6个扩展卡共4Gb/s的FC接口，有些不够。所以系统吞吐量上不去。

image.png