Ceph分层存储分析

最近弄Ceph集群考虑要不要加入分层存储 因此花了点时间研究了下

1，首先肯定要弄清Ceph分层存储的结构 ，结构图大概就是下图所示

         缓存层(A cache tier)为Ceph客户端提供更好的I/O性能，而数据存储在存储层(a backing storage tier)。用相对快速/昂贵的设备(比如SSD)创建pool作为缓存层(A cache tier)，用纠删码池或者相对慢速/便宜的设备创建pool作为经济的存储池。Ceph(The Ceph objecter)负责对象存放的位置，分层代理(the tiering agent)确定什么时候把数据对象从缓存层(the cache)存储到存储层(the backing storage tier)。因此对Ceph客户端而言缓存层(the cache tier)和存储层(the backing storage tier)是完全透明的。

2，了解了结构图和基本概念 看到一个关键词  分层代理 

      所谓分层代理其实就是分层存储数据迁移方案，缓存分层代理负责在缓存层与存储层间的数据的自动迁移，然而管理员有权利配置数据如何迁移 有两种数据迁移模式 在下面附上自己见解

回写模式  ：如果管理员配置缓存层为回写模式,CEPH客户端把数据写入缓存层，并且收到缓存层的ACK，写入缓存层的数据随后迁移到存储层，然后从缓存层清除，读取的话如果客户端要读取的数据在存储层，代理会把数据先迁移到缓存层，后再发往客户端，客户端与缓存层进行IO 大概流程如下所示

 

只读模式：客户端写数据到存储层，读数据的时候，ceph从存储层拷贝需要的数据到缓存层，根据定义好的规则，旧数据从缓存层删除  配上自己大概流程图

 仔细分析两种模式 可以得知  第一种模式客户端只与缓存层进行交互 第二种模式客户端写入时直接与存储层进行交互  

为什么进行这种设计，肯定是有不同的应用场景，第一种回写模式主要用于经常变动的数据，第二种只读模式主要用于不经常变动的数据，因为数据是从缓存层读取的，因此数据可能是过时的数据，换一句话说数据是弱一致的，因为客户端写入的时候是不经过缓存层的，缓存层并不能保证数据是最新的 而第一种模式可以保证这一点

3，分层存储的目的和缺点

 无疑分层存储的目的在于更好的利用磁盘资源，可以将SSD作为缓冲层，HDD作为后端存储，这样热数据可以在SSD上被快读的读取，大量的冷数据在HDD上存储

个人认为有以下缺点（本人水平为在校研究生 不足之处请指正但请勿喷）：

1：使用分层存储可能会引起性能的下降，因为数据要经常移出或读进缓冲，这会增加读取时间，缓冲 的有效应用场景应该是针对大文件，经常读而少写的数据。而且缓存需要足够大。（我们的应用场景是需要经常性频繁的读写小文件，因此觉得这可能不适用）

2：添加缓存层容易引起机制复杂性

3：进行性能测试时会显示出比较差的性能（确定真正的热数据需要昂贵的代价）

 

因为项目的原因自己有阅读深信服的技术白皮书 看了CEPH的分层存储方案 在这里对深信服的存储技术是怎么做的做一个介绍

1，整体结构

 

2，首次文件读操作

 

 

 

3，二次文件读操作

 

 4，文件块首次写预缓存

 

 5，文件块二次写更新缓存

 

 

 

 看完深信服的存储方案，自己学习到了很多，无疑它的存储方案更加适用  贴上上述技术纯属分享 如有违权 请联系我我会及时删除  以上内容为自己心得  转载请注明出处