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

云栖网：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！ 

关于Cloudera

在Cloudera，我们相信数据可以使今天的不可能，在明天成为可能。Cloudera让世界认识到数据的价值，创建了一个由开源社区的不懈创新赋能的行业和生态系统。Cloudera帮助行业中的领导者快速轻松地将复杂的数据转换为清晰而可行的洞察力。通过Cloudera混合数据平台，无论数据位于何处，企业都能将其送到需要的人手中，以构建数据驱动的未来。