百分点科技大数据技术团队：可插拔OSS架构设计和实战经验

编者按:随着 互联网 、大数据和人工智能等技术的发展,信息资源得到最大程度的共享,但随之而来的海量文件存取的功能和性能问题也日渐突出。在政务领域解决方案中,对象存储往往扮演着非常重要的角色,如全国各地的健康宝的头像和核酸报告文件或图片的高速并发存取,不同地区应用接口和后端存储的快速适配等。

百分点 科技 基于海外多个项目的建设经验,沉淀出基于HBase和Ceph的混合对象存储服务,能够有效解决海量文件高速存储的问题,并通过写事件通知,将小文件内容传输至Kafka,实现下游系统以顺序方式读取文件,提升系统整体的吞吐性能。

一、背景介绍

百分点科技早期的OSS整体架构如下图所示,客户端通过LVS代理向OSS服务上传文件,OSS服务会根据文件大小路由到不同的存储服务。

由于数据分布广,所以OSS服务部署在不同的数据中心,每个中心OSS服务(包含存储服务)的集群规模从十几台到五六十台服务器不等,共存储十余PB的文件数据。

虽然老版OSS通过了海量数据的考验,但针对不同场景仍有不足,具体表现如下:

针对演示环境或中小规模数据场景,HBase和Ceph的混合方案显得过于笨重,对于这类场景,本地文件系统或单节点的MinIO即可满足需求;老版架构层面缺乏设计,仅完成特定场景下的基本功能,不同功能的代码耦合性太强,很难扩展,比如文件类型探测,基于文件元数据的存储路由等;老版不管文件大小,均使用字节数组存储所有文件,对内存占用过大。

为提升效益,百分点大数据技术团队对老版OSS进行了改造升级,新版OSS不仅拥有出色的文件存取能力,而且更加灵活,具体亮点功能如下:

全局插件化设计,扩展能力非常好;高性能的文件类型识别,支持数千种类型,并且支持自定义分类接口;基于元数据的链式过滤,如基于文件类型或其它元数据对文件进行过滤;动态限流控制,防止单台OSS服务节点压力过大;动态路由控制,如基于元数据动态路由至后端存储;支持大量的存储插件,可以基于不同场景进行差异化配置;丰富的事件通知,如读写通知,读写错误通知,读写性能通知等;支持Office及PDF等文档的内容提取;支持自定义文件元数据信息并保存;性能增强,充分展现后端存储及网络的IO能力。

二、应用设计

1. 整体设计

针对老版OSS的痛点,并围绕OSS服务功能本身,百分点科技重新设计了OSS服务,新版OSS的架构如下图所示:

服务编排

Processor用于编排文件读写逻辑,可调用Router、Detector、Filter、Storage和Notification接口。所有用户API的请求均重定向至Processor,由Processor统一管理。

文件分类

在老版OSS服务中,一大使用痛点是文件类型是不可知的,强依赖客户端提供的仅仅几种文件类型信息。因此,在新版设计中,百分点科技引入了文件类型探测的功能,能够探测出文件的具体类型,比如图片会识别为image/jpg、image/png等不同的细分类型。

链式过滤

在老版OSS服务中,不管文件类型和大小以及来源,上传文件是全部存储的,但是在客户实际使用中,可能只会用到特定部分的数据,所以,百分点科技增加了根据来源,文件类型等的过滤链,过滤到用不到的文件。如果之前不需要某种类型文件,现在需要了,修改过滤规则即可。

动态路由

在老版OSS服务中,我们使用HBase+Ceph作为后端的存储服务,使用文件大小来决定是存入HBase还是Ceph。但这个逻辑的实现代码耦合性很强,想要增加其他的规则很麻烦。因此,在新服务中将这个功能抽取成路由插件,可以自定义规则实现动态路由。

内容提取

在老版OSS服务中,对于office和PDF类等文档,在ES中是索引不到文档内容的,在新服务中,我们在上传文件时增加了文件类型的探测,如果探测到是office和PDF类等文档,则通过Tika提取出内容,最终内容存入到ES中就可以检索了。

2. API接口设计

API层主要设计了如下几个API:

上传接口

POST

/upload?file_id=eb42cf02-9865-11ec-b909-0242ac120002&file_name=Meeting.pdf

下载接口

GET /download?file_id=eb42cf02-9865-11ec-b909-0242ac120002

批量下载接口

GET /batchDownload

{"fileIds": "eb42cf02-9865-11ec-b909-0242ac120002, 629fe326-9868-11ec-b909-0242ac120002"}

配额查询

GET /getAvailableTokens

3. 类接口设计

这样通过接口的方式实现了各个组件的定义,具体的功能实现在具体组件的实现中实现,具有很大的灵活性和扩展性。

如上面类关系图所示,存储可以选择HBase或者S3协议兼容型的存储。同时,各个组件的选择用配置参数的方式配置在配置文件中,这样切换不同类型存储或者不同消息通知等组件的时候,修改配置文件就可以实现。

4. 配置设计

服务的配置基于SpringBoot的YML配置文件进行配置,但是为了灵活控制服务各插件的行为和功能,我们使用了SpringBoot动态注入Bean的方式类来生成具体的插件。

具体代码如下:

public class SizeBasedRouter implements Router {

private String id;

private String smallFileStorageId;

private String largeFileStorageId;

......

}

@Bean(name = "router")

@Scope("singleton")

public Router router() throws Exception {

Map<string, object="">config = processorProperties.getRouter();

String klass = MapUtils.getString(config, "class");

Object object = newObject(klass, config);

return (Router) object;

}

privateT newObject(String className, Map<string, object="">properties) throws ClassNotFoundException, InstantiationException, IllegalAccessException, InvocationTargetException {

Assert.hasLength(className, "Class property is mandatory");

Class klass = Class.forName(className);

Object object = klass.newInstance();

BeanUtils.populate(object, properties);

return (T) object;

}

5. 插件设计Processor

Processor用于编排文件读写逻辑,可调用Router,Detector,Filter,Storage和Notification接口。所有用户API的请求均重定向至Processor,由Processor统一管理。

Detector

Detector用于文件类型识别。本系统提供FastDetector,CustomDefaultDetector, ExtraOfficeDetector, FastStringDetector, StringDetector,TokenDetector和TextDetector等。

基于Tika类型探测的基础上进行扩展,通过Stream头尾字节,综合运用了Tika自身和自定义的扩展探测能力,可以实现对上传文件类型的快速探测,不同文件类型的探测能力达到10w/s,甚至100w/s。

其中,带Fast前缀的为优化版本, 适合海量数据的文件类型探测,单线程探测性能在每秒数万至百万级别。

Filter

Filter用于文件过滤,因为很多文件是没有价值的图片/js/css/二进制文件等,为了提高OSS的整体效率,实现了基于网站和类型的文件过滤功能。

文件过滤正则示例:

"*:+|+text/html|+text/xml|+text/plain|+application/*json*|+application/*xml*|+application/*form*|+message/*|+multipart/*

|+application/pdf|+application/*office*|+application/*word*|+application/*excel*|+application/*powerpoint*

|+application/*document*|+application/zip|+application/rar|-*/*"

RateLimiter

RateLimiter用于限流,根据既定规则在请求过载的时候进行限流。

Router

Router用于对读写请求进行路由,以实现大小文件分发、按类型分发等功能,可同时路由到多个存储以实现读负载均衡或双写等特殊场景。此外,Router方法可返回null值,表示该对象被过滤。可包括SingleRouter,SizeBasedRouter。如果在写时路由变量多于读时路由变量,则可能需要使用缓存记录文件ID、文件路径及存储ID间的关系。

Storage

Storage用于调用实际的存储组件进行读写,已兼容HBase,FastDFS和Ceph、 SeaweedFS、MinIO等兼容S3协议存储,如果要实现一个服务目前不支持的后端存储,只需要实现相应后端存储的Storage插件即可。

Notification

Notification用于调用各类通知组件,用于读写事件、错误及性能问题的通知,如果需要对文件进行进一步处理,也可以通过Spark或者Flink消费Kafka中的数据进行处理。

6. 监控设计

OSS服务监控主要使用Prometheus+Grafana实现,各组件使用各自Exporter,或者自身作为Endpoint为Prometheus提供监控数据,Grafana负责监控展示。通过监控能够观测到集群的整体运行情况,及时告警出现的问题,方便问题排查。

业务监控

主要是用来监控OSS的吞吐情况,如下图,显示的是OSS每秒上传文件的个数。

应用系统监控

主要是监控OSS服务的内存使用和垃圾回收情况。

后端存储监控

因为使用HBase和Ceph作为混合存储,因此后端存储监控也分为HBase和Ceph的监控。

三、性能测试

1.测试目标

通过Jmeter进行压力测试,得出OSS服务对于不同类型、不同大小文件的吞吐情况,以验证新版OSS服务是否达到设计之初的目标,并将测试数据用作后续OSS集群规划的重要依据;在压测的过程中通过Jprofiler进行观测,找出性能瓶颈点并进行优化,最终提高服务的整体性能。

2. 测试工具

性能压测工具:Apachejmeter性能分析工具:Jprofiler监控工具:Prometheus+Grafna

5. 测试用例

对于不同类型和大小的测试用例,在File Path中指定相应的文件,URL中最后一个字段为文件名,使用Jmeter提供的UUID函数随机生成不同的文件名以使文件存入HBase不同的Region里面。

通过对不同类型文件的上传测试可以得出不同类型文件的吞吐情况,因为新版OSS服务增加了对无用类型文件的过滤,所以即使相同大小的两个文件,如果其中一个文件被Filter组件过滤掉,两个文件的吞吐量会相差很大。

6. 测试结果

在文件没被过滤的情况下,性能基本与老版OSS性能持平,不同的文件大小下各有差异;在多类型文件混合负载测试,性能达到78,000/s,远远优于老版OSS,并且在过滤掉数据后能节省不少存储空间。

具体各类型文件的测试结果如下:

结语

新版可插拔OSS架构设计不仅拥有出色的文件存取能力,而且更加灵活,文件存储服务是百分点科技常用场景之一,结合数据特点,部署灵活可扩展并且高性能的文件存储服务,不但能更好地满足客户需求,也能在一定业务场景下节省大量的存储服务器,是对相关业务整体解决方案的一大助力。

目前,该方案已经投入到百分点科技CBB(Common Building Block)等项目建设中,相信随着实践经验的累积和技术的不断优化升级,百分点科技将会为客户提供更加完善的OSS服务。