海量數(shù)據(jù)小文件分布式存儲(chǔ)系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn).pdf

1、近年，由于互聯(lián)網(wǎng)的發(fā)展，導(dǎo)致海量信息的傳輸和存儲(chǔ)的場(chǎng)景日益增多，在這種背景下，數(shù)據(jù)存儲(chǔ)技術(shù)也得到了快速發(fā)展。由于互聯(lián)網(wǎng)的信息以海量小文件居多，所以作為海量小文件存儲(chǔ)技術(shù)的一個(gè)重要研究方向，分布式文件系統(tǒng)是當(dāng)今的研究熱點(diǎn)。目前，在分布式文件系統(tǒng)中存儲(chǔ)海量小文件時(shí)，還普遍存在著存儲(chǔ)性能不高、存儲(chǔ)空間利用率低、性能瓶頸及單點(diǎn)故障等問(wèn)題，因此，如何解決目前海量小文件數(shù)據(jù)的存儲(chǔ)和傳輸中存在的諸多實(shí)際問(wèn)題，是當(dāng)前計(jì)算機(jī)存儲(chǔ)技術(shù)研究領(lǐng)域中非常重要的工

2、作。
　　 首先，針對(duì)上述問(wèn)題，本文提出了一種在單個(gè)數(shù)據(jù)節(jié)點(diǎn)中存儲(chǔ)海量小文件的數(shù)據(jù)分塊方案。在該方案中，對(duì)小文件的概念及算法進(jìn)行了描述，并定義了文件塊的塊內(nèi)利用率，塊內(nèi)相關(guān)率及塊間相關(guān)率三個(gè)指標(biāo)，根據(jù)這三個(gè)指標(biāo)，可以對(duì)每個(gè)文件塊中小文件分布的情況進(jìn)行量化的考核，再衡量文件塊對(duì)于查詢數(shù)據(jù)的影響，最后可以有針對(duì)性的進(jìn)行優(yōu)化。
　　 其次，提出了一種給予小文件存儲(chǔ)的數(shù)據(jù)副本數(shù)確定算法。這種算法以小文件副本所在的數(shù)據(jù)節(jié)點(diǎn)可靠性為

3、參數(shù)，該參數(shù)能夠快速確定小文件的可靠性，系統(tǒng)可以根據(jù)此可靠性來(lái)決定當(dāng)前的小文件副本數(shù)量是否滿足要求。在此基礎(chǔ)上，提出了一種靈活的小文件副本弱一致性維護(hù)方案。
　　 第三，在分析海量小文件分布式存儲(chǔ)系統(tǒng)的功能和性能需求的基礎(chǔ)上，提出了整個(gè)小文件存儲(chǔ)及管理系統(tǒng)的框架，該框架主要從數(shù)據(jù)節(jié)點(diǎn)DataNode、數(shù)據(jù)管理服務(wù)器DataServer、文件塊倒排表、文件倒排表與目錄的管理、相應(yīng)的API函數(shù)等四個(gè)主要方面對(duì)海量小文件分布式存儲(chǔ)進(jìn)行