海量數(shù)據(jù)小文件分布式存儲系統(tǒng)的設計與實現(xiàn).pdf

1、近年，由于互聯(lián)網(wǎng)的發(fā)展，導致海量信息的傳輸和存儲的場景日益增多，在這種背景下，數(shù)據(jù)存儲技術也得到了快速發(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技術的一個重要研究方向，分布式文件系統(tǒng)是當今的研究熱點。目前，在分布式文件系統(tǒng)中存儲海量小文件時，還普遍存在著存儲性能不高、存儲空間利用率低、性能瓶頸及單點故障等問題，因此，如何解決目前海量小文件數(shù)據(jù)的存儲和傳輸中存在的諸多實際問題，是當前計算機存儲技術研究領域中非常重要的工

2、作。
　　 首先，針對上述問題，本文提出了一種在單個數(shù)據(jù)節(jié)點中存儲海量小文件的數(shù)據(jù)分塊方案。在該方案中，對小文件的概念及算法進行了描述，并定義了文件塊的塊內(nèi)利用率，塊內(nèi)相關率及塊間相關率三個指標，根據(jù)這三個指標，可以對每個文件塊中小文件分布的情況進行量化的考核，再衡量文件塊對于查詢數(shù)據(jù)的影響，最后可以有針對性的進行優(yōu)化。
　　 其次，提出了一種給予小文件存儲的數(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)此可靠性來決定當前的小文件副本數(shù)量是否滿足要求。在此基礎上，提出了一種靈活的小文件副本弱一致性維護方案。
　　 第三，在分析海量小文件分布式存儲系統(tǒng)的功能和性能需求的基礎上，提出了整個小文件存儲及管理系統(tǒng)的框架，該框架主要從數(shù)據(jù)節(jié)點DataNode、數(shù)據(jù)管理服務器DataServer、文件塊倒排表、文件倒排表與目錄的管理、相應的API函數(shù)等四個主要方面對海量小文件分布式存儲進行