Tair 分布式K-V存储方案

我不是女神ヾ 2022-05-16 14:18 175阅读 0赞

[https://www.cnblogs.com/chenny7/p/4875396.html][https_www.cnblogs.com_chenny7_p_4875396.html]

[tair][] 是淘宝的一个开源项目，它是一个分布式的key/value结构数据的解决方案。

作为一个分布式系统，Tair由一个中心控制节点（config server）和一系列的服务节点（data server）组成，

*  config server 负责管理所有的data server，并维护data server的状态信息；为了保证高可用（High Available），config server可通过hearbeat 以一主一备形式提供服务；
 *  data server 对外提供各种数据服务，并以心跳的形式将自身状况汇报给config server；所有的 data server 地位都是等价的。

![603001-20151013151353585-330378850.jpg][]

**tair集群的基本概念：**

*  configID，唯一标识一个tair集群，每个集群都有一个对应的configID，在当前的大部分应用情况下configID是存放在diamond中的，对应了该集群的configserver地址和groupname。业务在初始化tair client的时候需要配置此ConfigID。
 *  namespace，又称area， 是tair中分配给应用的一个内存或者持久化存储区域， 可以认为应用的数据存在自己的namespace中。 同一集群（同一个configID）中namespace是唯一的。通过引入namespace，我们可以支持不同的应用在同集群中使用相同的key来存放数据，也就是key相同，但内容不会冲突。一个namespace下是如果存放相同的key，那么内容会受到影响，在简单K/V形式下会被覆盖，rdb等带有数据结构的存储引擎内容会根据不同的接口发生不同的变化。
 *  quota配额，对应了每个namespace储存区的大小限制，超过配额后数据将面临最近最少使用（LRU）的淘汰。持久化引擎（ldb）本身没有配额，ldb由于自带了mdb cache，所以也可以设置cache的配额。超过配额后，在内置的mdb内部进行淘汰。
 *  expireTime，数据的过期时间。当超过过期时间之后，数据将对应用不可见，不同的存储引擎有不同的策略清理掉过期的数据。

--------------------

## 存储引擎 ##

**tair 分为持久化和非持久化两种使用方式：**

*  非持久化的 tair 可以看成是一个分布式缓存；
 *  持久化的 tair 将数据存放于磁盘中，为了解决磁盘损坏导致数据丢失，tair 可以配置数据的备份数目。tair 自动将一份数据的不同备份放到不同的主机上，当有主机发生异常，无法正常提供服务的时候，其余的备份会继续提供服务。

Tair的存储引擎有一个抽象层，只要满足存储引擎需要的接口，便可以很方便的替换Tair底层的存储引擎。比如你可以很方便的将bdb、tc、redis、leveldb甚至MySQL作为Tair的存储引擎，而同时使用Tair的分布方式、同步等特性。

**Tair主要有下面三种存储引擎：**

*  mdb，定位于cache缓存，类似于memcache。支持k/v存取和prefix操作；
 *  rdb，定位于cache缓存，采用了redis的内存存储结构。支持k/v，list，hash，set，sortedset等数据结构；
 *  ldb，定位于高性能存储，采用了levelDB作为引擎，并可选择内嵌mdb cache加速，这种情况下cache与持久化存储的数据一致性由tair进行维护。支持k/v，prefix等数据结构。今后将支持list，hash，set，sortedset等redis支持的数据结构。

![603001-20151228132722026-1644364967.jpg][]

### MDB流程 ###

![603001-20151229125859620-1956763232.jpg][]

### RDB流程 ###

![603001-20151229125942948-1445432805.jpg][]

![603001-20151229130024948-1825408632.jpg][]

### LDB流程 ###

![603001-20151229130127401-1243391552.jpg][]

![603001-20151229130156979-1113561326.jpg][]

### fastdump ###

大数据量导入：数据预排序，按桶分memtable。

![603001-20151229130358042-1094424721.jpg][]

--------------------

## 分布式策略 ##

tair 的分布采用的是一致性哈希算法，对于所有的key，分到Q个桶中，桶是负载均衡和数据迁移的基本单位。config server 根据一定的策略把每个桶指派到不同的data server上，因为数据按照key做hash算法，所以可以认为每个桶中的数据基本是平衡的，保证了桶分布的均衡性, 就保证了数据分布的均衡性。

具体说，首先计算Hash(key)，得到key所对应的bucket，然后再去config server查找该bucket对应的data server，再与相应的data server进行通信。也就是说，config server维护了一张由bucket映射到data server的对照表，比如：

![复制代码][copycode.gif]

bucket   data server
    0    192.168.10.1
    1    192.168.10.2
    2    192.168.10.1
    3    192.168.10.2
    4    192.168.10.1
    5    192.168.10.2

![复制代码][copycode.gif]

这里共6个bucket，由两台机器负责，每台机器负责3个bucket。客户端将key hash后，对6取模，找到负责的数据节点，然后和其直接通信。表的大小（行数）通常会远大于集群的节点数，这和consistent hash中的虚拟节点很相似。

假设我们加入了一台新的机器——192.168.10.3，Tair会自动调整对照表，将部分bucket交由新的节点负责，比如新的表很可能类似下表：

0    192.168.10.1
    1    192.168.10.2
    2    192.168.10.1
    3    192.168.10.2
    4    192.168.10.3
    5    192.168.10.3

在老的表中，每个节点负责3个桶，当扩容后，每个节点将负责2个桶，数据被均衡的分布到所有节点上。

如果有多个备份，那么对照表将包含多列，比如备份是为3，则表有4列，后面的3列都是数据存储的节点。

为了增强数据的安全性，Tair支持配置数据的备份数（COPY\_COUNT）。比如你可以配置备份数为3，则每个bucket都会写在不同的3台机器上。当数据写入一个节点（通常我们称其为主节点）后，主节点会根据对照表自动将数据写入到其他备份节点，整个过程对用户是透明的。

当有新节点加入或者有节点不可用时，config server会根据当前可用的节点，重新build一张对照表。数据节点同步到新的对照表时，会自动将在新表中不由自己负责的数据迁移到新的目标节点。迁移完成后，客户端可以从config server同步到新的对照表，完成扩容或者容灾过程。整个过程对用户是透明的，服务不中断。

为了更进一步的提高数据的安全性，Tair的config server在build对照表的时候，可以配置考虑机房和机架信息。比如你配置备份数为3，集群的节点分布在两个不同的机房A和B，则Tair会确保每个机房至少有一份数据。当A机房包含两份数据时，Tair会确保这两份数据会分布在不同机架的节点上。这可以防止整个机房发生事故和某个机架发生故障的情况。这里提到的特性需要节点物理分布的支持，当前是通过可配置的IP掩码来区别不同机房和机架的节点。

Tair 提供了两种生成对照表的策略：

1.  负载均衡优先，config server会尽量的把桶均匀的分布到各个data server上，所谓尽量是指在不违背下面的原则的条件下尽量负载均衡：每个桶必须有COPY\_COUNT份数据； 一个桶的各份数据不能在同一台主机上；
2.  位置安全优先，一般我们通过控制 \_pos\_mask（Tair的一个配置项） 来使得不同的机房具有不同的位置信息，一个桶的各份数据不能都位于相同的一个位置（不在同一个机房）。

位置优先策略还有一个问题，假如只有两个机房，机房1中有100台data server，机房2中只有1台data server。这个时候，机房2中data server的压力必然会非常大，于是这里产生了一个控制参数 \_build\_diff\_ratio（参见安装部署文档），当机房差异比率大于这个配置值时，config server也不再build新表，机房差异比率是如何计出来的呢？首先找到机器最多的机房，不妨设使RA，data server数量是SA，那么其余的data server的数量记做SB，则机房差异比率=|SA – SB|/SA，因为一般我们线上系统配置的COPY\_COUNT=3，在这个情况下，不妨设只有两个机房RA和RB，那么两个机房什么样的data server数量是均衡的范围呢? 当差异比率小于 0.5的时候是可以做到各台data server负载都完全均衡的。这里有一点要注意，假设RA机房有机器6台，RB有机器3台，那么差异比率 = 6 – 3 / 6 = 0.5，这个时候如果进行扩容，在机房A增加一台data server，扩容后的差异比率 = 7 – 3 / 7 = 0.57，也就是说，只在机器数多的机房增加data server会扩大差异比率。如果我们的\_build\_diff\_ratio配置值是0.5，那么进行这种扩容后，config server会拒绝再继续build新表。

### 一致性和可靠性 ###

分布式系统中的可靠性和一致性是无法同时保证的，因为我们必须允许网络错误的发生。tair 采用复制技术来提高可靠性，并且为了提高效率做了一些优化。事实上在没有错误发生的时候，tair 提供的是一种强一致性，但是在有data server发生故障的时候，客户有可能在一定时间窗口内读不到最新的数据，甚至发生最新数据丢失的情况。

### version ###

Tair中的每个数据都包含版本号，版本号在每次更新后都会递增。这个特性可以帮助防止数据的并发更新导致的问题。

如何获取到当前key的version？

get接口返回的是DataEntry对象，该对象中包含get到的数据的版本号，可以通过getVersion()接口获得该版本号。

在put时，将该版本号作为put的参数即可。 如果不考虑版本问题，则可设置version参数为0，系统将强行覆盖数据，即使版本不一致。

很多情况下，更新数据是先get，然后修改get回来的数据，再put回系统。如果有多个客户端get到同一份数据，都对其修改并保存，那么先保存的修改就会被后到达的修改覆盖，从而导致数据一致性问题,在大部分情况下应用能够接受，但在少量特殊情况下，这个是我们不希望发生的。

比如系统中有一个值”1”, 现在A和B客户端同时都取到了这个值。之后A和B客户端都想改动这个值，假设A要改成12，B要改成13，如果不加控制的话，无论A和B谁先更新成功，它的更新都会被后到的更新覆盖。Tair引入的version机制避免了这样的问题。刚刚的例子中，假设A和B同时取到数据，当时版本号是10，A先更新，更新成功后，值为12，版本为11。当B更新的时候，由于其基于的版本号是10，此时服务器会拒绝更新，返回version error，从而避免A的更新被覆盖。B可以选择get新版本的value，然后在其基础上修改，也可以选择强行更新。

Version改变的逻辑如下：

1.  如果put新数据且没有设置版本号，会自动将版本设置成1；
2.  如果put是更新老数据且没有版本号，或者put传来的参数版本与当前版本一致，版本号自增1；
3.  如果put是更新老数据且传来的参数版本与当前版本不一致，更新失败，返回VersionError；
4.  put时传入的version参数为0，则强制更新成功，版本号自增1。

version具体使用案例，如果应用有10个client会对key进行并发put，那么操作过程如下：

1.  get key，如果成功，则进入步骤2；如果数据不存在，则进入步骤3；
2.  在调用put的时候将get key返回的verison重新传入put接口，服务端根据version是否匹配来返回client是否put成功；
3.  get key数据不存在，则新put数据。此时传入的version必须不是0和1，其他的值都可以（例如1000，要保证所有client是一套逻辑）。因为传入0，tair会认为强制覆盖；而传入1，第一个client写入会成功，但是新写入时服务端的version以0开始计数啊，所以此时version也是1，所以下一个到来的client写入也会成功，这样造成了冲突

version分布式锁  
Tair中存在该key，则认为该key所代表的锁已被lock；不存在该key，在未加锁。操作过程和上面相似。业务方可以在put的时候增加expire，已避免该锁被长期锁住。  
当然业务方在选择这种策略的情况下需要考虑并处理Tair宕机带来的锁丢失的情况。

--------------------

## config server ##

client 和 config server的交互主要是为了获取数据分布的对照表，当client启动时获取到对照表后，会cache这张表，然后通过查这张表决定数据存储的节点，所以请求不需要和config server交互，这使得Tair对外的服务不依赖configserver，所以它不是传统意义上的中心节点，也并不会成为集群的瓶颈。

config server维护的对照表有一个版本号，每次新生成表，该版本号都会增加。当有data server状态发生变化（比如新增节点或者有节点不可用了）时，configserver会根据当前可用的节点重新生成对照表，并通过数据节点的心跳，将新表同步给data server。当client请求data server时，后者每次都会将自己的对照表的版本号放入response中返回给客client，client接收到response后，会将data server返回的版本号和自己的版本号比较，如果不相同，则主动和config server通信，请求新的对照表。

这使得在正常的情况下，client不需要和configserver通信，即使config server不可用了，也不会对整个集群的服务造成大的影响。有了config server，client不需要配置data server列表，也不需要处理节点的的状态变化，这使得Tair对最终用户来说使用和配置都很简单。

### 容灾 ###

当有某台data server故障不可用的时候，config server会发现这个情况，config server负责重新计算一张新的桶在data server上的分布表，将原来由故障机器服务的桶的访问重新指派到其它有备份的data server中。这个时候，可能会发生数据的迁移，比如原来由data server A负责的桶，在新表中需要由 B负责，而B上并没有该桶的数据，那么就将数据迁移到B上来。同时，config server会发现哪些桶的备份数目减少了，然后根据负载情况在负载较低的data server上增加这些桶的备份。

### 扩容 ###

当系统增加data server的时候，config server根据负载，协调data server将他们控制的部分桶迁移到新的data server上，迁移完成后调整路由。

注意：

不管是发生故障还是扩容，每次路由的变更，config server都会将新的配置信息推给data server。在client访问data server的时候，会发送client缓存的路由表的版本号，如果data server发现client的版本号过旧，则会通知client去config server取一次新的路由表。如果client访问某台data server 发生了不可达的情况(该 data server可能宕机了)，客户端会主动去config server取新的路由表。

### 迁移 ###

当发生迁移的时候，假设data server A 要把 桶 3,4,5 迁移给data server B。因为迁移完成前，client的路由表没有变化，因此对 3, 4, 5 的访问请求都会路由到A。现在假设 3还没迁移，4 正在迁移中，5已经迁移完成，那么：

*  如果是对3的访问，则没什么特别，跟以前一样；
 *  如果是对5的访问，则A会把该请求转发给B，并且将B的返回结果返回给client；
 *  如果是对4的访问，在A处理，同时如果是对4的修改操作，会记录修改log，桶4迁移完成的时候，还要把log发送到B，在B上应用这些log，最终A B上对于桶4来说，数据完全一致才是真正的迁移完成；

## ##

--------------------

## Tair更多功能 ##

### 客户端 ###

tair 的server端是C++写的，因为server和客户端之间使用socket通信，理论上只要可以实现socket操作的语言都可以直接实现成tair客户端。目前实际提供的客户端有java 和 C++， 客户端只需要知道config server的位置信息就可以享受tair集群提供的服务了。

### plugin支持 ###

Tair还内置了一个插件容器，可以支持热插拔插件。

![603001-20151224183916062-1323322978.jpg][]

插件由config server配置，config server会将插件配置同步给各个数据节点，数据节点会负责加载/卸载相应的插件。

插件分为request和response两类，可以分别在request和response时执行相应的操作，比如在put前检查用户的quota信息等。

插件容器也让Tair在功能方便具有更好的灵活性。

### 原子计数支持 ###

Tair从服务器端支持原子的计数器操作，这使得Tair成为一个简单易用的分布式计数器。

### item支持 ###

Tair还支持将value视为一个item数组，对value中的部分item进行操作。比如有一个key的value为 \[1,2,3,4,5\]，我们可以只获取前两个item，返回\[1,2\]，也可以删除第一个item。还支持将数据删除，并返回被删除的数据，通过这个接口可以实现一个原子的分布式FIFO的队列。

--------------------

## 客户端  ##

目前淘宝开源的客户端有[C++和Java两个版本][C_Java]，不过tair如果作为存储层，前端肯定还需部署Nginx这样的web服务器，以Nginx为例，淘宝似乎还没有开源其tair模块，春哥（agentzh）也没有公布tair的lua插件，如果想在Nginx里面访问tair，目前似乎还没有什么办法了，除非自己去开发一个模块。

**参考文档：**

[http://csrd.aliapp.com/?cat=8][http_csrd.aliapp.com_cat_8]

[http://code.taobao.org/p/tair/wiki/index/][http_code.taobao.org_p_tair_wiki_index]

======专注高性能web服务器架构和开发=====

[https_www.cnblogs.com_chenny7_p_4875396.html]: https://www.cnblogs.com/chenny7/p/4875396.html
[tair]: http://tair.taobao.org/
[603001-20151013151353585-330378850.jpg]: /images/20220503/383472d19cd840758ab34196394bcd08.png
[603001-20151228132722026-1644364967.jpg]: /images/20220503/b848b1e3109244d9bc6e6427ad590651.png
[603001-20151229125859620-1956763232.jpg]: /images/20220503/fc7df464c7f24fbda8f4edd37d23cfde.png
[603001-20151229125942948-1445432805.jpg]: /images/20220503/11fa0738a6644623983f1a6deea426f4.png
[603001-20151229130024948-1825408632.jpg]: /images/20220503/7f134c0474a144faa250e53b8b0c8618.png
[603001-20151229130127401-1243391552.jpg]: /images/20220503/db7f46a6462a4fe19907687645c29c66.png
[603001-20151229130156979-1113561326.jpg]: /images/20220503/bbb78a8f122c449786bef7b8ee6148d0.png
[603001-20151229130358042-1094424721.jpg]: /images/20220503/5cb14f24583b403ca4a40d9cf2be36a9.png
[copycode.gif]: /images/20220503/ac3d8eb6a5bd49f2afc2d2846bfbcb1e.png
[603001-20151224183916062-1323322978.jpg]: /images/20220503/4c9d7f73bebc4272bd31035c19be77df.png
[C_Java]: http://code.taobao.org/p/tair/wiki/guide/
[http_csrd.aliapp.com_cat_8]: http://csrd.aliapp.com/?cat=8
[http_code.taobao.org_p_tair_wiki_index]: http://code.taobao.org/p/tair/wiki/index/