Ozone | 数据湖存储，“统一”和“融合”哪个更好？

　　作者：落风潭

　　保险IT圈知名自媒体主理人

　　关于Alluxio的文章让潭主把注意力转移到了大数据上。

　　文中提及Cloudera作为Hadoop生态最后的种子选手，为什么没有鼓捣出Alluxio这样的东西？

　　没想到在学习Cloudera的过程中无意间发现了Ozone，解答了潭主之前的疑问。

　　技术体系繁杂，存在着很多“平行宇宙”。今天，潭主跟大家分享最近学习的一个数据湖存储技术，Ozone。

　　Ozone是哪路神

　　Ozone是Apache软件基金会下的一个项目，其定位是：一个用户大数据分析和云原生应用、具有高扩展性、强一致性的分布式Key-Value对象存储。

　　看过潭主文章的读者自然对Alluxio有所了解，在使用功能上，Ozone跟Alluxio类似，也兼容支持S3和HDFS的API。

　　因为上述特性，Ozone可以“透明”地支持现有Hadoop生态中如Spark和Hive等上层计算框架，无需修改应用代码。

　　套路是一样的，把自己“模仿”成高手的样子。当然，简单模仿肯定不行，还要有属于自己的“创新”。

　　潭主的“穷人”思维

　　传统保险行业受限于业务模式，存在很多的数据“孤岛”，每个岛的容量也有限。

　　不过，这几年非结构化业务数据增长迅猛，之前引入的HCP对象存储已经是上十亿的量级。

　　虽然之前也上线了一些大数据项目，但据潭主所知，Hadoop集群的规模其实并不大，以至于写此文之前，潭主受限于自身经验对Hadoop其实并无痛感。

　　即便是互联网行业，十多年前可能也无法预料数据膨胀得如此之快，以至于Hadoop很快就变得力不从心。

　　互联网的“富人”思维

　　这两年，数据湖这个词很火。

　　大家对于数据湖的理解也不尽相同，有人认为Hadoop是数据湖，而有人认为S3也是数据湖。

　　换个角度，从线上公有云的视角看，S3是主流存储，而到了线下的私有云，Hadoop似乎更有优势一些，这种情况无形中对于混合云的一统江湖形成了存储上的障碍。

　　因此，面向未来的数据湖技术应该是向上兼容多种主流计算框架，平滑支撑多种应用场景，向下对接不同的存储引擎，实现数据访问接口的标准化。

　　从最近了解的技术发展趋势看，这种承上启下、统一标准的存储技术将成为下一代数据湖的显著特征。

　　况且对于互联网，HDFS系统的确在集群扩展性、支持应用标准上的确存在一些局限性。

　　为了解决HDFS存在的问题，开源社区这些年也没闲着，尝试了不少解决方案。

　　HDFS的“联邦”时代

　　最初Hadoop集群只允许有一个命名空间（Namespace），且只能被一个NameNode管理。

　　虽然可以通过添加底层DataNode节点实现集群横向扩展，增加存储空间，但由于所有的Block元数据都驻留在NameNode内存中，在集群规模增大时，NameNode很容易成为瓶颈，直接限制了HDFS的文件、目录和数据块的数量。

　　Hadoop社区为了解决HDFS横向扩展的问题，做了两个联邦方案（如上图）：

　　NNF（NameNode Federation）

　　RBF（Router Based Federation）

　　早期的NNF方案中，集群引入了多个NameNode，分别管理不同的Namespace和对应的BlockPool，多个NameNode可以共享Hadoop集群中的DataNode。

　　虽然解决了Namespace的扩展问题，但需要对HDFS的Client进行“静态”配置挂载，还要结合ViewFS才能实现统一入口。

　　而在RBF的联邦方案中，尝试把“挂载表”从Client中抽离出来形成了Router，虽然Hadoop集群是独立的，但同时又增加了一个“State Store”组件，架构变得更复杂。

　　局部改进的“联邦”方案对于面向未来的大数据存储而言，治标不治本。

　　青出于蓝而胜于蓝

　　有时候，最好的优化就是另起炉灶。

　　毕竟Hadoop技术已经很多年了，当下的软硬件环境已与当初大不相同，系统重构也在情理之中。

　　与其等别人来革HDFS的命，不如自我革命。目前看，Ozone的确给用户提供了一个新选择。

　　就好像CDH和HDP最终融合成了CDP一样，HDFS和S3也可以融合成Ozone。

　　总之，Ozone站在Hadoop这个巨人的肩膀上，设计之初就是为了替换掉HDFS，青出于蓝而胜于蓝。

　　潭主家的“存储一哥”

　　早年间接触过Ceph，也搞过HCP（Hitachi Content Platform）对象存储，这些经验对潭主理解Ozone大有裨益。

　　特意查了一下自家的HCP，发现影像文件已经20多亿个了，存储容量也小2PB。不过查询过程中明显感觉到元数据响应缓慢，估计快该扩容了。

　　言归正传，再来说说Ozone的核心概念：

　　Volume：通常表示用户、业务，与HCP中的租户（Tenant）对应

　　Bucket：通常表示业务、应用，与HCP中的命名空间（Namespace）对应

　　Key：对应的就是实际的Object

　　Ozone的存储路径为/Volume/Bucket/Key，一个业务可以对应一个或多个Volume，每个Volume可以包含多个Bucket，在访问方式上Ozone实现了ofs和o3fs的适配和协议封装。

　　值得注意的是，HCP里面有文件夹的概念，就是说对象文件有层次结构，但Ozone在设计上是扁平的，目录是一个“伪目录”概念，是文件名的一部分，统一作为Key而存在。

　　Ozone的体系架构

　　介绍完了概念，再看看Ozone的体系架构（如上图）：

　　OM（Ozone Manager）：通过RocksDB的K-V方式管理Namespace，Raft协议保持高可用，Shardig实现水平扩展

　　SCM（Storage Container Manager）：用于Ozone集群管理，负责分配Block，跟踪SC复制状态

　　DataNode：负责向SCM汇报SC状态

　　SC（Storage Container）：Ozone的实际存储单元

　　Recon Server：用于监控Ozone集群

　　Ozone做了架构优化，上层实现职能分离，OM负责管理Namespace，SCM负责管理Storage Containers。

　　下层实现了一个叫Hadoop Distributed Data Store（HDDS）的高可用、块存储层。

　　Ozone中的一个DataNode包括多个Storage Container，每个SC的容量（默认5GB，可配置）远大于Hadoop中Block容量（默认128MB），这种设计使得每个DN发送给SCM的Container-Report系统压力要远远小于传统Hadoop集群的Block-Report。

　　Storage Container作为Ozone的基础存储和复制单元，类似于一个“超级块”，通过其内置RocksDB（key记录BlockID，Value记录object的文件名、偏移量和长度），实现对小文件的块管理。

　　Ozone，新一代的“融合”数据湖存储

　　在网上看到之前某互联网大厂专家的分享，现网同时在使用HDFS和Ceph。

　　HDFS主要用于大数据分析场景，但机器学习场景中受限于大量小文件而使用Ceph。

　　不过，在介绍Ozone的Roadmap时说未来会在存储层引入Ozone。

　　开源世界，风起云涌，前脚刚看过Alluxio，觉得眼前一亮，这会儿再看Ozone，更是金光闪闪。

　　Ozone既是Hadoop的优化升级版，又能“分层”解决海量小文件的对象存储，再加上对云原生CSI的支持，让其成为了新一代“融合”存储。

　　Ozone这股新势力着实让潭主不敢小觑，希望未来能有机会做些实践。

　　存储圈，数据不息，折腾不止！