Tachyon内存文件系统

Tachyon内存文件系统

     Tachyon是以内存为中心的分布式文件系统，拥有高性能和容错能力，能够为集群框架（如Spark、MapReduce）提供可靠的内存级速度的文件共享服务。

      从软件栈的层次来看，Tachyon是位于现有大数据计算框架和大数据存储系统之间的独立的一层。它利用底层文件系统作为备份，对于上层应用来说，Tachyon就是一个分布式文件系统。

     从Tachyon项目的介绍可以看到， tachyon解决Spark/MapReduce框架数据共享的性能问题。 大数据业务一般是一个任务流， 任务流由一组相互依赖的任务组成， 一个任务的输出往往是另外一组任务的输入， 任务间数据共享是一个强需求。 最常见的数据共享方式是HDFS， 这种方式性能低下， 主要问题有： (1) HDD或者是SSD带宽都比较有限， (2) HDFS三副本写入性能损失较大， (3) 文件可能被多次缓存， 浪费内存。 Tachyon的目标就是解决数据共享的性能问题， 解决方法也很极端 —— 内存单副本。 当然简单的内存单副本会导致数据丢失， Tachyon采用lineage数据恢复技术保证数据可靠性。 根据相关论文的测试数据， Tachyon的写性能是HDFS的110倍， 任务流执行时间降低到1/4。

     如上图所示， tachyon介于存储系统和计算框架之间， 缓存计算任务读写的文件， 目前Tachyon支持HDFS, S3和GlusterFS这几个后端文件系统。 引入Tachyon后， Spark/MapReduce任务程序不需要修改， 但是Spark、MapReduce框架自身要做一个200~300行代码的小Patch， 因为计算框架在产生输出之前， 必须先将数据lineage关系告知Tachyon， Tachyon记录lineage信息到磁盘， 用于实现数据的故障恢复。

     如上图所示， Tachyon文件系统的架构非常类似HDFS， 全局有一个Master管理元数据， Woker负责数据读写， 文件数据存储到在Ramdisk中。

      容错机制： 作为分布式文件系统，Tachyon具有良好的容错机制，Master和Worker都有自己的容错方式。

从之前的系统架构图中也可看出，Master支持使用ZooKeeper进行容错。同时，Master中保存的元数据使用Journal进行容错，具体包括Editlog——记录所有对元数据的操作，以及Image——持久化元数据信息。此外，Master还对各个Worker的状态进行监控，发现Worker失效时会自动重启对应的Worker。

      对于具体的文件数据，使用血统关系（Lineage）进行容错。文件元数据中记录了文件之间的依赖关系，当文件丢失时，能够根据依赖关系进行重计算来恢复文件数据。

                                             

       心跳机制：

在Tachyon中，心跳（HeartBeat）用于两个方面：Master, Worker, Client之间的定期通信；Master, Worker自身的定期状态自检。具体地：

• Client向Master发送心跳信号：表示Client仍处于连接中，Client释放连接后重新连接会获得新的UserId
• Client向Worker发送心跳信号：表示Client仍处于连接中，释放连接后Worker会回收该Client的用户空间
• Worker自检，同时向Master发送心跳信号：Worker将自己的存储空间信息更新给Master（容量，移除的块信息），同时清理超时的用户，回收用户空间
• Master自检：检查所有Worker的状态，若有Worker失效，会统计丢失的文件并尝试重启该Worker

   参考资料： 

http://tachyon-project.org/Tachyon: Reliable, memory speed storage for cluster computing frameworks