云数据采集中心与大数据计算平台建设方案设计

《云数据采集中心与大数据计算平台建设方案设计》由会员分享，可在线阅读，更多相关《云数据采集中心与大数据计算平台建设方案设计（81页珍藏版）》请在装配图网上搜索。

1、 CC云数据采集中心及大数据计算平台建设方案某中蓝信息技术某公司目录1 引言51.1 项目背景51.2 项目目标51.3 建设原则61.4 参考规X71.5 名词解释92 云数据采集中心102.1 需求概述102.2 总体设计132.3 核心技术及功能182.3.1 分布式文件存储技术182.3.2 分布式并行计算技术272.3.3 分布式数据库技术312.3.4 负载均衡342.3.5 数据采集392.3.6 开放平台452.4 部署方案482.5 实施计划503 大数据计算平台523.1 需求概述523.2 总体设计523.3 应用建设573.3.1 收视率统计573.3.2 智能推荐60

2、3.3.3 拍立购633.4 部署方案693.5 实施计划724 性能及成本分析734.1 运营商网络性能分析734.2 服务器网卡性能分析734.2 服务器内存性能分析734.3 服务器硬盘性能分析744.4 服务器 RAID 模式分析744.5D2B 性能分析754.4DMQ 平台性能分析755 存储空间规划表766 机房选型777 安全设计788 风险分析811引言1.1项目背景根据 CC智能战略的规划：做强终端、云平台建设、大数据商业模式，CC正 迈向大数据时代，当前正面向所有智能终端提供优质的服务，同时通过终端传感 器或数据采集服务能够获取海量的数据，并且数据量会以TB级剧增。因此C

3、C迫切需要建设一套高性能、高安全性、高可靠性，可扩展性的云数据采集中心，并搭建一个数据中心支撑平台，以满足当今高速增长的数据存储、管理、计算的 需求，同时便于将来拓展和进一步的改造。目前CC数据中心是主要基于CC黑电、白电、浏览器等产品终端传感器采集的海量文本、图片数据以及用户数据，为CC后续其他数据分析挖掘项目提供数据支撑的信息平台。对应方针终端内容服务、云服务支撑与数据挖掘、个 性化数据价值探索。建立统一有效的云数据采集中心有利于CC大数据的管理，符合CC新的发展战略，CC黑电和白电产品终端传感器采集的数据有用户行为的文本数据（log）、 台标等图片数据以及自建的影视知识库的结构化数据、电

4、商平台的海量镜像数据。 当 CC的用户量和采集的数据量与日俱增的时候，数据中心必须能通过添加更多 服务节点来扩展性能和负载能力，保证高可扩展性和高可用性从而满足CC业务 发展的需要。1.2项目目标l搭建分布式存储平台（能够存储海量非结构化数据和结构化数据）、分布式并行计算平台等等，满足海量数据的采集、存储、计算的需要，平台必须具备高可用性，高扩展性，高可靠性要求。l为 CC后面的产品（收视率统计，智能推荐系统,拍立购，开放平台等等） 的应用和实施打下坚实的基础，为集团 CC 的大数据提供运营支撑。l云中心初期建立至少保证可以正常运营12年，硬件选型，软件开始要 考虑到今后大规模扩容的要求。l技

5、术平台要有能力支持数据量最高1000W终端数量的数据存储、数据计 算、信息推荐等的能力。1.3建设原则基于本项目的建设要求，本项目将遵循以下建设原则：l前瞻性和高标准 整个项目要按照企业对大数据应用的需要的高要求和高标准建设，参考行业标杆应用，建立满足需求，面向未来的目标，整个项目具有一定前瞻性。l经济性和实用性 整个项目以现有需求为基础，充分考虑未来发展的需要来确定系统的架构，既要降低系统的初期投入，又能满足服务对象的需求，同时系统设计应充分考虑对已有投资的保护，对已建立的数据中心、基础平台、应用软件应提供完备的整合方案。l先进性和成熟性 为了确保项目具有较长的生命周期，应充分考虑到管理创新

6、、技术发展需要，按照先进的建设理念，选择先进的技术架构和成熟技术，满足业务需求。l高性能和安全性 规X地进行系统建设和开发，提供合理且经济有效的应急方案，确保系统的稳定，向各类服务对象提供可靠的服务。具有安全性，在系统遭到攻击或崩溃时能快速恢复，确保重要数据的某性和完整性。1.4参考规XlGB 9361-88计算站场地安全要求lGB 50173-93电子计算机机房设计规XlGB 2887-89计算站场地技术条件lGB 50174-2008电子信息系统机房设计规XlGB 50462-2008电子信息系统机房施工及验收规XlGB 50311-2007综合布线工程设计规XlGB 50312-2007

7、综合布线系统工程验收规XlGB 50395-2007视频安防监控系统设计规XlGB 50263-2007气体灭火系统施工及验收规XlGB 50394-2007入侵报警系统工程设计规XlGB/T20269-2006信息安全技术信息系统安全管理要求lGB/T20984-2007信息安全技术信息安全风险评估规XlGB/T22239-2008信息安全技术信息系统安全等级保护基本要求lGB/T22240-2008信息安全技术信息系统安全等级保护定级指南lGA/T388-2002B计算机信息系统安全等级保护管理要求lGB/T8567-1988计算机软件产品开发文件编制指lGB/T11457-1995软件工

8、程术语lGB/T11457-2006信息技术 软件工程术语lGB/T16260.1-2006软件工程 产品质量第1部分:质量模型lGB/T16260.2-2006软件工程 产品质量第2部分:外部度量lGB/T16260.3-2006软件工程 产品质量第3部分:内部度量lGB/T16260.4-2006软件工程 产品质量第4部分:使用质量的度量lGB/T14394-2008计算机软件可靠性和可维护性管理lGB/T17544-1998信息技术软件包质量要求和测试lGB/T18221-2000信息技术程序设计语言、环境与系统软件借口 独立于语言的数据类型lGB/T18491.1-2001信息技术 软

9、件测量 功能规模测量 第1部分：概念定义lGB/T18492-2001信息技术系统及软件完整性级别lGB/Z18493-2001信息技术软件生存周期过程指南lGB/T20157-2006信息技术软件维护lGB/T20272-2006信息安全技术 操作系统安全技术要求lGB/T20008-2005信息安全技术 操作系统安全评估准则lGB/T20009-2005信息安全技术 数据库管理系统安全评估准则lGB/T20918-2007信息技术软件生存周期过程 风险管理lGB/T8566-2007信息技术 软件生存周期过程lSJ/T10367-1993计算机过程控制软件开发规程lSJ/T11234-20

10、01软件过程能力评估模型l SDO(ServiceDataObject) forJavaSpecificationV2.1l SCA (Serviceponent Architecture)JavaEEIntegrationSpecificationV1.00l Java2Platform,EnterpriseEditionl CapabilityMaturity ModelIntegration(CMMISM),Version1.1l Extensible MarkupLanguage (XML) 1.0(FifthEdition)l WebServicesBusinessProcessEx

11、ecutionLanguagev2.01.5名词解释l S2DFS：简单存储分布式文件系统（Simple Storage Distributed File System）l D2B:分布式数据库（Distributed Database）l JSS：作业调度服务（JobSchedulerService）l DCS：数据计算服务（DataputerService）l MPS：消息处理服务（MessageProcessService）l SDS：流数据处理服务（StreamDataService）l DMQ：分布式消息队列（Distributed Message Queue）l JGS：作业生成服

12、务（JobGenerationService）l ACS：自动清理服务进程（AutomaticCleaningServices）l HTTP：超文本传输协定（HyperText TransferProtocol）l SMB：服务器信息块协议（ServerMessageBlock）2云数据采集中心2.1需求概述根据 CC的阶段规划，第一期云数据采集中心的建立至少满足1至 2年内的数据存储和计算规模，需要满足200万台各种智能终端的数据存储和计算规模。今后整个云数据采集中心的技术平台和架构需要轻松扩展到支持1000万台规模的各种智能终端的数据存储和计算规模。以下的数据为预估数据（基于小X围的实验数

13、据为依据）：数据类别文件(记录)大小1文件(记录)数量1文件(记录)大小2文件(记录)数量2台标数据（原始数据，1天周期）约16KB/台/天(由200Kb/台/天而得)约36个文件/台/天约32GB/200万台/天约7200万个/200 万台/天行为数据（原始数据，1天周期）约60KB/台/天(记录)(由400Kb/台/天而得,加上了10KB的索引记录)约50KB/台/天(文件)(由400Kb/台/天而得)（平均估值）约100条记录/台/天(记录)约100个文件/台/天(文件)（平均估值）约120GB/200万台/天(记录)约100GB/200万台/天(文件）（平均估值）约2 亿条/200万台

14、/天(记录)约2 亿个/200万台/天(文件）（平均估值）行为数据（原始数据，永久保存，压缩处理）约60KB/台/天(记录)(由400Kb/台/天而得,加上了10KB的索引记录)约50KB/台/天(文件)(由400Kb/台/天而得)（平均估值）约100条记录/台/天约100个文件/台/天（平均估值）约45TB/200万台/1 年(文件，加上元数据描述文件）（平均估值） 注：记录的大小约为10GB约35万条/200万台/1 年（记录）约35万个/200万台/1 年（文件）（平均估值） 注：128MB/1个文件行为分析/收视率统计/推荐/电商索引等记 录约10KB/1条(记录)（平均估值）约10T

15、B/1年（记录）（平均估值）约10-15亿条记录/1 年（记录）（平均估值）至少6大电商的镜像数据约30KB/1个(文件)（平均估值）约10亿个/1 年(文件)（平均估值）约30TB/1年（文件）（平均估值）以1年为计算周期（数据整合、压缩、清洗后），初步预估： 1、数据记录：约为10-15亿条；2、文件个数：约为10-12亿个；3、记录总大小：约为10TB；（双份副本：需要约20TB存储空间）4、文件总大小：约为75TB；（双份副本：需要约150TB存储空间）5、总容量大小：约为85TB；（双份副本：需要约170TB存储空间）为了数据的高可靠性，为每份（文件/记录）建立镜像副本，所以总容量初

16、步可以规划约为170TB。2.2总体设计整个云数据采集中心分为四部分：硬件资源层、软件平台层、软件应用层、智能终端层。硬件资源层主要指实体硬件设备，包括用来存储数据的光纤阵列柜和存储服 务器，用来作统计、分析以及搜索用的计算服务器，用来部署分布式消息（DMQ）/WEB/APP软件的WEB及消息服务器，用来部署用PostgreSQL关系数据库软件的应用数据库服务器，用来部署作业调度服务进程（JSS）的作业调度服务器。 作为数据通信用的全千兆三层交换机等等。其中光纤阵列柜主要用来存储统计分 析后的粗颗粒度数据。存储服务器用来部署分布式文件系统和分布式数据库，同 时存储非结构化和结构化（台标图片，电

17、商图片等等）和结构化数据（行为数据， 索引数据，log数据，清理后的细颗粒度数据等等）。计算服务器主要用来完成数 据的清理、统计、搜索等计算任务。为了节省成本和减少通信代价，建议存储服务器和计算服务器合二为一，所以该服务器同时具有计算和存储数据的功能，前 期也可以考虑把作业调度服务进程（JSS）进程部署在存储/计算服务器上。由于云数据采集中心需要面对多种宽带用户（电信、移动、联通），所以，数据中心 的对外的网络需要直连上电信、移动、联通三家公司的网络，保证以上三家公司 间的通信性能高速和可靠。软件平台层是云数据采集中心的核心支撑层，也是我们这次方案设计和实施 的主体部分，在核心技术章节会对“分

18、布式文件系统（S2DFS）”、“分布式数据库（D2B）”、“分布式消息服务（DMQ）”“作业调度服务进程（JSS）、数据计算服务进程（DCS）”主要部分加以详细的描述。软件平台层的所有服务器都统一部署的 64位操作系统CentOS6.5（也可以选择RHEL6.5x64）；其核心软 件或者进程有：分布式文件系统（S2DFS）、分布式数据库（D2B）、作业调度服 务进程（JSS）、数据计算服务进程（DCS）、作业生成服务进程（JGS）、消息处 理服务进程（MPS）、流数据处理进程（SDS）等等。WEB及应用服务器软件Apache&Tomcat，消息队列软件分布式消息（DMQ）。还要实现整个云数据采

19、集 中心的资源管理及监控管理系统。软件应用层是云数据采集中心的功能实现及UI表达层，功能实现需要基于软件平台层的支撑，后期设计和实施的主体。该层的主要功能应用有：数据采集 应用、收视率统计应用、智能推荐应用、拍立购应用，云数据采集中心的资源监控及调度，通过提供标准API，在CC 的云平台上集成第三方APP应用，使我们的云平台成为一个开放的平台，围绕CC 的各种智能终端或者第三方的终端，都纳入到平台上来，建立一个完备而丰富的运营生态圈，使CC 在互联网时代的竞争中占得先机。过公共数据网（电信、联通、移动）和HTTP协议，把终端传感器采集的海量文本、图片数据以及用户行为数据存储在云数据采集中心里，

20、以供后期分析计算用。 第一期是单向交互，主要是终端提供数据，云数据采集中心负责计算，并作推荐。 第二期会引入终端与云数据采集中心的实时双向交互功能。收视率统计应用智能推荐应用拍立购应用云中心监控第三方应用API存储设备网络设备服务器设备JSSDCSJGSMPSSDS开放平台S2DFSD2BPostgreSQLNginxApacheTomcatDMQCentOS 6.5 x64智能终端智能终端智能终端骨 干 网资源及监控管理资源及权限管理WEB及消息服务器存储/计算服务器存储/计算服务器WEB及消息服务器存储/计算服务器WEB及消息服务器分布式数据库服务器数据公共网联通/电信/移动防火墙分布式数

21、据库服务器分布式数据库服务器负载均衡服务器负载均衡服务器作业调度服务器(主)作业调度服务器(备)云数据采集中心网络结构图172.3核心技术及功能2.3.1分布式文件存储技术（1）传统存储技术面临的问题：n构建成本高：大容量及高网络带宽的高端存储系统架构昂贵。n文件系统功能和性能差强人意：难以实现全局命名空间的文件共享、 文件系统难以扩展，容易形成瓶颈。n扩展性困难：技术存在瓶颈（Scale-up架构决定的）、扩展成本无法 控制。n可用性问题：潜在的单点故障,数据恢复困难，代价高。n应用目标差异：主要面临运营商、金融行业的OLTP应用、很少针对海量的流数据，或者非结构化数据进行设计和优化。n异构

22、设备繁杂：不同时期、不同公司、不同操作系统的异构设备纷繁复杂，无法整合，资源利用率极低。分布式文件系统主要为解决以上问题而出现的一种新型大规模数据存储技术架构。主要为非结构化数据（视频/文件/文档/图像/音频等非结构化数据）提 供海量的存储平台，以集群的方式提供线性横向扩展能力。分布式文件系统是一种构建于通用x86部件之上的高可用、高可靠、高可扩 展的新型分布式文件系统。应用分布式文件系统，用户可以采用廉价可靠的通用 服务器、SATA/SAS硬盘以及以太网络来构建媲美企业级存储产品的存储系统。（2）分布式文件系统应对的数据特性和访问特性：n数据量巨大，数百TB或 PB级，增长迅速；n类型多样化

23、，包括图像、文本、语音、视频等文件数据；n按时间有序生成，数据均带有时间标志 ；n 前端数据写入速度很高，每秒钟写入数据可达几万甚至几十万条记录或者上GB量数据 ；n 更新操作极少：追加方式写入，一旦写入，几乎没有数据修改，查询涉及大量的磁盘读操作，查询处理产生大量的临时结果，不同类型的数据存在联合分析查询；分布式文件系统的基本原理是采用集群方式来整合物理上独立的多个存储资源，以软件方式提供单一的名字空间；采用多副本的方式保证数据的高可用性， 任意单一节点失效均不会导致数据丢失和数据服务的正常运行；同时，分布式文 件系统通过良好设计的系统结构和数据分布策略，可保证系统性能的高可扩展性， 并支持

24、存储容量/性能的在线扩展。相比较于DAS（直连存储）、SAN（存储区域网络）和NAS（网络存储）， 应用分布式文件系统构建的网络存储系统更像是一个NAS，提供类似于传统NAS 的文件级访问接口（SAN和 DAS都是块设备级别的访问接口）。（3）分布式文件系统与传统 NAS/SAN设备的比较：比较项高端NASFC-SAN分布式文件系统性能一般双端口，性能受机头影响，难以扩展，出口带宽是瓶颈一般双端口，性能受机头影响，难以扩展， IOPS较好性能随节点数的增加成线性增长扩展能力性能及容量无法扩展，或者有限扩展能较好扩展，但成本高昂性能及容量按需扩展，动态均衡可用性RAID方式保护，双机保护，停机R

25、AIDRebuid，耗 时RAID方式保护，双机保护，停 机 RAIDRebuid，耗时基于灵活的多副本机制，自动检测，自动故障恢复， 无需停机数据管理企业级功能需要单独购买企业级功能需要单独购买（还需要单独的内嵌多种企业级应用：快照、镜像、回收站文件系统，100多万一套）成本专有的硬件平台，软件拥有成本高，扩展成本高专有的硬件平台，软件拥有成本高，扩展 成本高开发通用的硬件平台，一体化的软件，成本低，扩展成本低可维护性专门的技术支持服务，需要培训结构异常复杂，需要大量培训，厂商服务 昂贵内嵌多种自动化的故障检测和恢复功能，国内开发， 技术支持快速用户使用分布式文件系统如同使用本地文件系统。所

26、不同的是，传统 NAS通常以单一节点的方式实现，容量和性能的扩展能力有限，易于成为性能瓶颈和 单一故障点。而分布式文件系统则有多个节点集合地提供服务，由于其结构特征， 分布式文件系统的性能和容量均可在线线性扩展，并且系统内不存在单一故障点。 对比参看下面两幅示意图：传统存储架构图分布式文件系统架构图分布式文件系统的设计应用特别适合海量非结构化数据存储，大量客户端并发的 I/O密集型应用。目前，分布式文件系统已经被应用于政府、医疗影像、勘查数据计算、视频服务以及动画制作等领域。这些领域的数据访问特征均为：数据量巨大，I/O吞吐率高，数据增长迅速以及数据可用性要求高。经过长时间的实际生产环境使用，

27、分布式文件系统已被证明是该类型应用的有效解决方案。分布式文件系统 Server端 设备卷设备卷设备卷设备卷设备卷分布式文件系统逻辑卷分布式文件系统客户端NFS/Samba卷管理I/O调度分布式文件系统客户端卷管理I/O调度分布式文件系统客户端分布式文件系统网关分布式文件系统 Client端分布式文件系统架构图 分布式文件系统的服务器端程序运行于Linu某64系统之上，支持多种Linux64位发行版，包括Redhat、CentOS等。分布式文件系统客户端则支持Linux和Windows，同时分布式文件系统还可以通过第三方软件输出CIFS和NFS接口，可以兼容大多数应用。（4）分布式文件系统的核心

28、技术及特征：n 扩展性和高性能：分布式文件系统利用双重特性来提供几TB至数PB的高扩展存储解决方案。Scale-Out 架构允许通过简单地增加资源 来提高存储容量和性能，磁盘、计算和I/O资源都可以独立增加，支持10GbE和InfiniBand等高速网络互联。分布式文件系统弹性哈希（ElasticHash）解除了分布式文件系统对元数据服务器的需求，消除了单点故障和性能瓶颈，真正实现了并行化数据访问。n 高可用性：分布式文件系统可以对文件进行自动复制，如镜像或多次复制，从而确保数据总是可以访问，甚至是在硬件故障的情况下也能正常访问。自我修复功能能够把数据恢复到正确的状态，而且修复是以增量的方式在

29、后台执行，几乎不会产生性能负载。分布式文件系统没有设计自己的私有数据文件格式，而是采用操作系统中主流标准的磁盘文件系统（如XFS/EXT4/ZFS）来存储文件，因此数据可以使用各种标准工具进行复制和访问。n 全局统一命名空间：全局统一命名空间将磁盘和内存资源聚集成一个单一的虚拟存储池，对上层用户和应用屏蔽了底层的物理硬件。存储资源可以根据需要在虚拟存储池中进行弹性扩展，比如扩容或收缩。当存储虚拟机映像时，存储的虚拟映像文件没有数量限制，成千虚拟机均通过单一挂载点进行数据共享。虚拟机I/O可在命名空间内的所有服务器上自动进行负载均衡，消除了SAN环境中经常发生的访问热点和性能瓶颈问题。n 弹性哈

30、希算法：分布式文件系统采用弹性哈希算法在存储池中定位数据，而不是采用集中式或分布式元数据服务器索引。在其他的Scale-Out存储系统中，元数据服务器通常会导致I/O性能瓶颈和单点故障问题。分布式文件系统中，所有在Scale-Out存储配置中的存储系统都可以智能地定位任意数据分片，不需要查看索引或者向其他服务器查询。这种设计机制完全并行化了数据访问，实现了真正的线性性能扩展。n弹性卷管理：数据储存在逻辑卷中，逻辑卷可以从虚拟化的物理存除，不会导致应用中断。逻辑卷可以在所有配置服务器中增长和缩减，可以在不同服务器迁移进行容量均衡，或者增加和移除系统，这些操作都可在线进行。文件系统配置更改也可以实

31、时在线进行并应用，从而可以适应工作负载条件变化或在线性能调优。n 完全软件实现（SoftwareOnly）：分布式文件系统认为存储是软件问 题，不能够把用户局限于使用特定的供应商或硬件配置来解决。分布式文件系统采用开放式设计，广泛支持工业标准的存储、网络和计算机设备，而非与定制化的专用硬件设备捆绑。对于商业客户，分布式文件系统可以以虚拟装置的形式交付，也可以与虚拟机容器打包，或者是公有云中部署的映像。开源社区中，分布式文件系统被大量部署在基于廉价闲置硬件的各种操作系统上，构成集中统一的虚拟存储资源池。简而言之，分布式文件系统是开放的全软件实现，完全独立于硬件和操作系统。n 完整的存储操作系统栈

32、（pleteStorageOperatingSystemStack：分布式文件系统不仅提供了一个分布式文件系统，而且还提供了许多其他重要的分布式功能，比如分布式内存管理、I/O调度、软RAID和自我修复等。分布式文件系统汲取了微内核架构的经验教训，借鉴了 GNU/Hurd操作系统的设计思想，在用户空间实现了完整的存储操作系统栈。n 用户空间实现（User Space）：与传统的文件系统不同，分布式文件系 统在用户空间实现，这使得其安装和升级特别简便。另外，这也极通用的 C程序设计技能，而不需要特别的内核编程经验。n 模块化堆栈式架构（Modular Stackable Architecture

33、）：分布式文件系统 采用模块化、堆栈式的架构，可通过灵活的配置支持高度定制化的应用环境，比如大文件存储、海量小文件存储、分布式文件系统、多传输协议应用等。每个功能以模块形式实现，然后以积木方式进行简单的组合，即可实现复杂的功能。比如，Replicate模块可实现RAID1，Stripe模块可实现RAID0，通过两者的组合可实现RAID10和 RAID01，同时获得高性能和高可靠性。n 原始数据格式存储（DataStored inNative Formats）：分布式文件系统 以原始数据格式（如EXT3、EXT4、XFS、ZFS）储存数据，并实现多种数据自动修复机制。因此，系统极具弹性，即使离线

34、情形下文件也可以通过其他标准工具进行访问。如果用户需要从分布式文件系统中迁移数据，不需要作任何修改仍然可以完全使用这些数据。n 无元数据服务设计（NoMetadatawiththe Elastic Hash Algorithm）：对 Scale-Out存储系统而言，最大的挑战之一就是记录数据逻辑与物理位置的映像关系，即数据元数据，可能还包括诸如属性和访问权限 等信息。传统分布式存储系统使用集中式或分布式元数据服务来维 护元数据，集中式元数据服务会导致单点故障和性能瓶颈问题，而 分布式元数据服务存在性能负载和元数据同步一致性问题。特别是 对于海量小文件的应用，元数据问题是个非常大的挑战。分布式文

35、 件系统独特地采用无元数据服务的设计，取而代之使用算法来定位统服务器都可以智能地对文件数据分片进行定位，仅仅根据文件名 和路径并运用算法即可，而不需要查询索引或者其他服务器。这使 得数据访问完全并行化，从而实现真正的线性性能扩展。无元数据 服务器极大提高了分布式文件系统的性能、可靠性和稳定性。n基于标准协议：分布式文件系统存储服务支持NFS, CIFS, HTTP,FTP 以及分布式文件系统原生协议，完全与POSIX标准兼容。（5）分布式文件系统技术及性能指标：n支持设备数量：最大百万台以上n支持存储容量：最大1024PB以上n客户端的数量：最大支持上亿并发n 网络支持：以太网：1Gbps、1

36、0Gbps/INFINIBAND：10Gbps、40Gbpsn文件副本数量：任意(缺省 1份)n 协议：NFS/CIFS/HTTP/FTP/WEBDAV，及原生协议,兼容POSIX标准n支持文件数量：最大上亿个文件n最大单个文件：16TB（6）S2DFS与 HDFS的比较对比项HDFS（GFS）S2DFS架构类型带元数据库中心架构(瓶颈及故障易发生点)全分布式去中心架构存在方式分布式文件系统软件，基于x86平台使用方式CLI/RESTAPINATIVE CLIENT/CIFS/NFS标准协议（应用代码与平台无关性，便于移植和维护）系统可用性低高数据可用性复制类RAID数据定位方式INodeHa

37、sh同步方式异步同步负载均衡自动自动支持网络千兆以太网千兆/万兆以太网，IB网网络写：读（万兆/单流）约100MB/s：160MB/s约800MB/s：1000MB/s读（1*20GB）（万兆）约125s约25s写（1*20GB）（万兆）约200s约20s读/写（千兆）差距不大2.3.2分布式并行计算技术（1）概述并行计算技术真正将传统运算转化为并行运算，从而更加充分的利用广泛部署的普通计算资源实现大规模的运算和应用的目的，在此基础上为第三方开发者 提供通用平台，为客户提供并行服务。这里主要为门户提供作业调度平台，实现日志分析，性能优化，全文检索，视频处理，用为分析等等的支撑平台。用户通过统一

38、计算平台把任务分派给系统内的多个节点，调度节点资源执行 任务，发挥多核并行处理优势，提升运算效率，充分运用网络内的计算资源达到 解决大规模计算问题的目的。（2）分布式并行计算架构图分布式并行计算架构图（3）作业调度及计算过程（4）分布式并行计算技术特点n池化资源管理利用池化技术，任何一台联在互联网上的普通PC机从硬件到软件，可通过池化技术加入服务器池中，等待任务分配,系统能充分利用现有服务器资源，将所有运算子任务分配给节点服务器，有效避免计算资源闲置现象的发生。n无中心系统架构 在平台管理下的单节点能力一致，使节点在部署上和使用上具备无差别性，任一节点功能可由其他节点替代或强化，可以最大程度确

39、保平台资源使用的灵活性以及在灾备环境下的可靠性系统架构。n通道式工作机制 平台为用户提供一个并行任务处理通道，处理过程对用户来说完全透明，由平台自动进行负载均衡、资源匹配、任务传输等，使用户专注于自身任务管理，将执行过程交由平台完成。2.3.3分布式数据库技术D2B是一个具有高性能的高性能，可扩展，无模式，面向文档(document-oriented)的数据库，其内存储的是一种JSON-like结构化数据的分布式 数据库软件，尤其具有高扩展性和高可靠性，支持大表水平折分，以及分区镜像。 提供内存缓存数据，所以数据存取速度非常快，主要是由于它处理写入的方式：它们存储在内存中，然后通过后台线程写入

40、磁盘。该软件支持的数据结构非常松散，是类似json 的 bjson格式，因此可以存储比较复杂的数据类型。D2B另外的最大的特点是他支持的查询语言非常强大，其 语法有点类似于面向对象的查询语言，几乎可以实现类似关系数据库单表查询的 绝大部分功能，而且还支持对数据建立索引。它的特点是高性能、易部署、易使用，存储数据非常方便。主要功能特性：l面向集合存储，易存储对象类型的数据“面向集合”（Collenction-Oriented），意思是数据被分组存储在数据集 中，被称为一个集合（Collenction)。每个集合在数据库中都有一个唯一 的标识名，并且可以包含无限数目的文档。集合的概念类似关系型数据

41、库（RDBMS）里的表（table），不同的是它不需要定义任何模式（schema)。l模式自由模式自由（schema-free)，意味着对于存储在D2B数据库中的文件，我们 不需要知道它的任何结构定义。如果需要的话，你完全可以把不同结构的文件存储在同一个数据库里。l自动分片以支持云级别的伸缩性：自动分片功能支持水平的数据库集群， 可动态添加额外的机器。l支持动态查询l支持完全索引，包含内部对象。l自动处理碎片，以支持云计算层次的扩展性。l可通过网络访问l 可用于 Windows、MacOSX、Linux和 Solaris的官方二进制版本。l 可用于 C、C#、C+、Haskell、Java、J

42、avaScript、Perl、PHP、Python、 Ruby和Scala的官方驱动程序，以及广泛可用于其他语言的社区支持的驱动程序。l Ad-hocJavaScript查询让您能够使用基于任何文档属性的任何条件来查找数据。这些查询对应于SQL查询的功能，使SQL开发人员能够很直观地编写 D2B 查询。l支持查询中的正则表达式。lD2B 查询结果存储在提供过滤、聚合和排序等一系列功能的游标中，包 括limit()、skip()、sort()、count()、distinct()和group()等等高级特性。l 高级聚合的 map/reduce 实现。l类似于 RDBMS的属性索引支持，可以直接

43、在文档的选定属性上创建索 引。l使用提示、解释计划和分析的查询优化特性。l类似于 MySQL的主/从复制，支持复制和故障恢复。l基于集合的对象存储，在需要规X化数据时允许参考查询。l通过自动分片功能水平扩展。l高性能无争用并发机制的即时更新。D2B服务端可运行在Linux、Windows或OSX平台，支持32位和64位应用。推荐运行在64位平台，因为D2B在32位模式运行时支持的最大文件尺寸为 2GB。分布式数据库（D2B） 集群示例图D2B与关系型数据库的逻辑结构对比:D2B关系型数据库数据库(database)数据库(database)集合(collection)表(table)文档(do

44、cument)行(row)D2B的性能指标：10亿约600GB以上（与每条记录大小有关系，这里的数据：1Kb/条）写（1亿,无索引）约15000-20000 条/s写（1亿,有索引）约10000条/s写（1亿：ReplicaSets +Sharding模式）约6000-8000条/s读（1亿）约80MB-120MB/s读（1亿）8000-10000 个查询/s统计一个值（10亿）1024（理论上）测试环境的硬件配置：IntelXeonE7-88372路16核心,256GB内存，15kSAS16*600GB硬盘，RAID50；总共12台设备；D2B的架构模式：ReplicaSets+Shardi

45、ng。2.3.4负载均衡这里选择的国产设备是太一星晨信息技术某的设备作为参考对比设备。（t1networks.）1)国产硬件与F5对比对比项国产F5主要功能负载均衡算法支持8 种支持12种是会话保持算法支持6 种支持8 种是健康检查算法支持14种支持28种是内容交换支持最常用4 种支持（特性丰富）是高速缓存、内容压缩支持支持（通过增加license）否TCP复用支持支持是TCP单边加速是是否可编程脚本扩展支持（基本）支持（特性丰富）否智能DNS支持（授权控制）支持（购买GTM授权）是ISP路由支持支持（通过Irules实现）是动态就近性支持否是全局负载是是否WEB安全支持7 层防火墙支持WEB

46、应用安全（需购买额外模块）否IPv6是是否组网主主、主备、旁路、三角传输主主、主备、旁路、三角传输是价格服务器负载、链路负载、全局负载、SSL卸载、HTTP压缩、内容缓存、安全。所有功能都可以在一台设备中实现，少部 分高级功能通过授权控制。用户购买T-Force3600链路负载+服务器负载+三年基本服务=20W（T-Torce1600:9万）服务器负载、链路负载（单独设备）、全局负载（单独设备）、 SSL 卸载、HTTP压缩、内容缓存、安全。所有功能可以在一台设备中实现。大部分功能需要授权控制。但链路负载、全 局负载是单独设备。对于链路负载常用的“智能DNS”功能， 必须购买全局负载才包含。如

47、果所有功能一起使用，价格非 常昂贵。用户购买F5 BIG-IP4000S 服务器负载+链路负载+三 年基本服务=90W2)国产硬件与F5性能比较产品型号L4新建吞吐接口备注BIG-IP2200SBIG-IP4000S150K5Gbps（L4/L7)10Gbps（L4/L7)8 电（可选光口），可扩展2 万兆3000系列，L4新建300K，L4吞吐18Gbps，L7吞吐10Gbps，高于同档次F5，接口规格、性能优势明显T-Force3600T-Force3950300K默认5Gbps（L4/L7)L4最高扩展18GbpsL7最高扩展10Gbps8 电（具备一个扩展槽，可扩展8电、8 光、4 光

48、4 电、2 万兆、4 万兆）3)硬件与软件负载均衡比较基于硬件的方式优点能够直接通过智能交换机实现,处理能力更强，而且与系统无关，负载性能强更适用于一大堆设备、大访问量、简单应用缺点成本高，除设备价格高昂，而且配置冗余很难想象后面服务器做一个集群，但最关键的负载均衡服务器却是单点配置；无法有效掌握服务器及应用状态.硬件负载均衡，一般都不管实际系统与应用的状态，而只是从网络层来判断，所以有时候系 统处理能力已经不行了，但网络可能还来得及反应（这种情况非常典型，比如应用服务器后 面内存已经占用很多，但还没有彻底不行，如果网络传输量不大就未必在网络层能反映出来）基于软件的方式(Nginx/HAPro

49、xy)优点基于系统与应用的负载均衡，能够更好地根据系统与应用的状况来分配负载。这对于复杂应 用是很重要的性价比高，实际上如果几台服务器，用F5之类的硬件产品显得有些浪费，而用软件就要合算得多，因为服务器同时还可以跑应用做集群等。缺点负载能力受服务器本身性能的影响，性能越好，负载能力越大。综述1)基于硬件的负载均衡在电信、金融行业用的非常多，而基于软件的负载均衡在互联网行业用的非常多，比如3大门户，6大电商。2)由于负载均衡器本身不需要对数据进行处理，性能瓶颈更多的是在于后台服务器，通常采用软负载均衡器已非常够用，且其商 业友好的软件源码授权使得我们可以非常灵活的设计，无逢的和我们管理系统平台相

50、结合。3)LVS/HAProxy/Nginx每秒钟的吞吐量一般在为1万-3万之间，选择软件的构建方式：需要2台高性能设备作主备集群，费用在6 万人民币左右。所以，CC云数据采集中心的中前期，我们建议采用Nginx（或者HAproxy）作为负载均衡的支撑软件，或者与国产负载均衡硬件设备混合使用。LVSNginxHAProxyLVS（LinuxVirtualServer）可以实现Linux平台下的负载均衡,提供了含有三种IP负载均衡技术的IP虚拟服务器软件IPVS、基于内容请 求分发的内核Layer-7交换机 KTCPVS和集群等功能Nginx是一款轻量级、高可用性的Web服务软件及反向代理软件，

51、基 于HTTP（第七层）应用代理服务 器。在国内大型的互联网公司都有 使用。HAProxy是一款提供高可用性的基于TCP（第四层）和HTTP（第七层）应用的代理软件。在国内大 型的互联网公司都有使用。1、抗负载能力强、是工作在网络4 层之上仅作分发之用，没有流量的 产生，这个特点也决定了它在负载 均衡软件里的性能最强的；2、配置性比较低，这是一个缺点也是一个优点，因为没有可太多配 置的东西，所以并不需要太多接 触，大大减少了人为出错的几率；3、工作稳定，自身有完整的双机热备方案，如LVS+Keepalived和LVS+Heartbeat；4、无流量，保证了均衡器IO的性能不会收到大流量的影响；

52、5、软件本身不支持正则处理，不能做动静分离；1、工作在网络的7层之上，可以针 对http应用做一些分流的策略，比如针对域名、目录结构，它的正则 规则比HAProxy更为强大和灵活；2、Nginx对网络的依赖非常小，理 论上能ping通就就能进行负载功能；3、Nginx安装、配置、维护比较简单；4、可以承担高的负载压力且稳定， 一般能支撑超过几万次的并发量；5、Nginx可以通过端口检测到服务 器内部的故障，不支持url来检测；6、Nginx也可作为Web反向加速缓存器；1、能够补充Nginx的一些缺点比如 Session的保持，Cookie的引导等工作；2、HAProxy对网络的依赖非常小，理

53、论上能ping通就就能进行负载功能；3、它跟LVS一样，本身仅仅就只是一款负载均衡软件；单纯从效率 上来讲HAProxy更会比Nginx有更出色，在并发处理上也是优于 Nginx；4、HAProxy安装、配置、维护比较简单；5、可以承担高的负载压力且稳定， 一般能支撑超过几万次的并发量；建议用Nginx（或者HAProxy）作为负载均衡（反向代理）软件配合硬件负载均衡使用。究竟选择Nginx还是HAProxy要看团队对这两种软件的熟悉程度， 越熟悉，就能容易掌控，减少风险，我们团队对Nginx非常熟悉，所以，这里我们推荐用Nginx作为软件的反向代理工具。1)概述数据采集功能主要完成海量智能终

54、端的数据（台标、log等等）采集、上传。 数据采集的来源有： IPP客户端、浏览器、智能电视、智能空调、智能冰箱、智能日电采集上来的用户基本数据、终端“传感器”数据、web 数据采集、用户EPG数据等。根据特定的通信解析协议对来自不同终端，不同应用，不同类型的数据进行收集，并提供统一的数据采集方式，方便后台数据集成、数据存储。数据采集结构图：数据采集主要是由智能终端发起，通过HTTP协议和Restful技术把数据上传并缓存在WEB及消息服务器上，WEB及消息服务器可以缓存一周的数据上传 量，数据上传后，再由消息处理服务进程（MPS）进程完成数据的最终清洗及格式，并最终入库存储。台标等非结构化数

55、据存储在分布式文件系统（S2DFS）中， log或者行为等结构化数据存储在分布式数据库（MongonDB）中。参见如下数据采集/存储流程图：数据:HTTP（台标/行为）智能终端数据:HTTP（台标/行为）分布式消息平台数据:HTTP（台标/行为）负载信号Queue Data 负载信号数据：Native Client（台标/行为）智能终端防火墙负载均衡（旁路模式）S2DFS/MongoDB数据:HTTP（台标/行为）MPS：Queue自动扫描MQ/WEB/APP服务器 DMQ是一个分布式的消息服务平台，提供的功能包括：配置维护、名字服务、分布式同步、组服务等，能提供一种高性能、可靠的、可扩展的、

56、分布式的、 可配置关键特性，DMQ的核心技术特点：l 大容量堆内存和高可用性：假设你有100台服务器,并且每个节点有2GB的空间用于复制缓存,最终你获得的总数据量的大小为200GB，每台服务器仅仅是一个拷贝。相反，借助于分布式复制架构，可获得100GB的备份虚拟堆内存，并且在网格中的任何位置都能访问。如果某台服务器崩溃了,网格只需要简单地创建一份丢失数据的新副本，并将它们放到另一台服务器上。应用也无需再借助于一个巨大的独立 数据库来获取数据以追求最大性能的-这是80%以上的企业应用中的瓶颈所在!l扩展性：由于数据是均匀分布的，所以除了考虑到网络上的组通讯，根本就没有必要来限制网格的大小 -网络

57、上的组通讯只要能够发现 一个新的节点即可.所有的数据获取方式都是通过点对点通信，即节点之间直接进行通信，非常容易控制。DMQ的增加或者减少不需要 关闭整个服务。简单的添加删除集群中的机器不会引发任何服务中断。l数据分布：DMQ使用一致性哈希算法来决定集群中键值的存储位置。 一致性哈希算法成本低，速度快并且最重要的是不需要额外的元数据 或者网络通信就能确定键值的位置。数据分布的目的是为了在集群环境下保持足够的状态副本以使其具备可持续性和容错性，但是又不 会有过多的副本而阻碍 DMQ的可扩展性。l原子性：一个 Update 操作不是成功就是失败，不会有第三种状态出现。l 顺序性：在一个DMQ集群中

58、，其中一台DMQ服务器上的消息a在消息 b之前发布，那么在所有的DMQ服务器上的消息a都会在消息b之前被发布，DMQ会保持一致顺序。l实时性：对于每个Client，DMQ集群中的所有服务器都会保持实时更 新制度，使得所有的服务视图都会是最新的。l分布式统一镜像：Client无论连接到集群中的哪一个DMQ集群节点服务，都是得到同样的镜像视图。l可靠性：数据在内存中缓存了2份，任何一台计算机故障，都不会造成数据的丢失。2)分布式消息管理架构图：MPS1MPS3MPS5MPS7MPS9MPS MPS2MPS4MPS6MPS8MPS10统一的数据视图心跳/同步Server1【备】（数据）Server2

59、【主】（数据）Server3【备】（数据）Server4【备】（数据）数据网（电信、移动、联通）智能终端智能终端智能终端智能终端智能终端智能终端智能终端智能终端DMQ有以下几种关键较色，每类较色的职责如下表格描述？角色名称职责领导者(Leader)就是DMQ集群的老大，它不接受Client的请求，是管理其他DMQ服务的，只负责进行投票的发起和决议，最终更新状态.追随者(Follower)追随者（Follower）的上司是领导者（Leader），参与领导者（Leader）发起的投票，向下是面向客户端的交互，用于接收客户端的请求和反馈客户端的结果。参与领导者（Leader）发起的投票。观察者(Ob

60、server)观察者可以接收客户端连接，将写请求转发给领导者（Leader）节点。但是Observer不参加投票过程，只是同步领导者（Leader）的状态。Observer为系统扩展提供了一种方法。DMQ的核心是原子广播，这个机制保证了各个Server 之间的同步,有两种模 式，它们分别是恢复模式和广播模式。恢复模式：一般是在服务刚启动或者在领导者（Leader）崩溃后，开始进入恢复模式，此时先就会开始选举领导者（Leader），当领导者（Leader）被选举出 来，并且追随者（Follower）完成了和当前领导者（Leader）的状态及数据同步以后，恢复模式就结束了。广播模式：恢复模式结束后，即领导者（Leader）已经和追随者（Follower）进行了状态同步以后，他就可以开始广播消息了，即进入广播状态。3)分布式消息数据架构图：上图的 MM（MessagesManager）：消息数据管理者。通过嵌入式nosql内核完 成上百万并发量的缓存数据来提供异步发布和订阅。应用程序通过JDBC/REST/Memcached等符合业界标准接口完成集群中的消息缓存数据的操作，集群成员之间也通过该接