雲端儲存（三）：把資料拆開放?雲端分散式儲存系統
102/08/22
瀏覽次數
21840
王蒞君｜
國立交通大學電機工程系暨科技與社會中心智庫研究團隊
2013年5月，國家高速網路與計算中心分別在新竹、台北、高雄、台中舉行「巨量資料來襲，雲端運算新企機」研討會，國內研究機構、學術單位及資訊服務業者出席踴躍。會中探討SynDriver與Hadoop和在巨量資料及雲端儲存領域的應用跟未來商機。未來將朝向「資料之所在，商機之所在」的方向發展，可見雲端巨量資料分析的兩個重要範疇：儲存與運算。本文將針對大資料的儲存技術–分散式儲存技術進行介紹。
在資料爆炸的時代，資料大小往往比電腦上的1顆硬碟還要多，且資料必須被保留的時間也比電腦的壽命還長，一般用戶可能會從不同的地方存取資料，或希望能把資料分享給不同地區的用戶，基於以上需求，分散式檔案系統被提出。分散式檔案系統大幅度提升資料可存放的空間，且同時會將檔案備份，降低某一存放空間毀損所造成的資料遺失，且因同一份檔案有多份備份，此檔案可同時分享給多個使用者。
2003年Google提出Google File System，簡稱GFS。GFS可提供大資料的應用程式採用分散式方式儲存資料；GFS具有容錯機制、高效能檔案整合等功能，但因Google未開放GFS的原始碼，只有發表論文說明GFS的系統架構，因此2006年Doug Cutting根據Google所發表的論文開發出Apache Hadoop，並用1隻黃色大象當成Hadoop的標誌。Hadoop為一個開放的軟體程式架構，包含Hadoop Distributed File System、MapReduce及HBase；Hadoop為目前在雲端系統上最常被使用進行大資料量運算的軟體架構，重要性不可小覷，因此以下將針對Hadoop架構中的儲存系統Hadoop Distributed File System做詳細的介紹。
Hadoop Distributed File System，簡稱HDFS，為分散式的儲存架構，適合儲存容量大的檔案，其系統穩定，因此不需使用昂貴的儲存設備來架設儲存系統，使用一般價格的硬碟架即可，大幅減少硬體成本。在HDFS中有兩個主要部分：namenode和datanode 。
namenode好比工廠裡的工頭，負責工人的管理及保管工人的資料，所以在儲存系統上，namenode負責管理整個儲存系統，包含1個檔案被切成幾份、每一份存在哪個儲存節點上、備份在哪個節點上及控制檔案的存取權限；但因namenode只有1個，所以具有單點失效的問題，即namenode毀損，整個檔案系統將會無法進行運作，因此Hadoop開發團隊也正在針對此問題進行修正。
datanode則像是工廠裡的工人，負責提供檔案儲存的空間、執行檔案的存取及備份，HDFS預設會以64MB的大小將檔案進行切割並將每份檔案儲存3份備份，因此若有1台儲存節點壞掉，依然可從其他備份中進行還原，大幅提升檔案儲存時的容錯率，同時也因檔案被切割成多份儲存，因此可以平行存取及平行運算提升運算時的效能。namenode儲存了MyFile檔案的資訊，包含MyFile被切成3份，分別為block 1、block 2、block 3，並備份3份，datanode則負責檔案實體的儲存。
我們用1個100MB的資料儲存例子來說明在HDFS上寫入與讀取的流程，使用者會在自己本機上先暫存這些資料，當達到64MB時，本機上的儲存系統會自動通知namenode，namenode回應使用者，告知可存放檔案的datanode位置，例如2號datanode，使用者將此64MB的資料存入2號datanode，本機上的臨時資料夾剩下36MB，再次通知namenode，namenode回應使用者，告知可存放檔案的datanode，例如5號datanode，使用者將剩下的36MB存入5號datanode；若使用者想要讀取資料時，會先向namenode詢問資料存在哪個節點上，namenode回應使用者，告知資料存在2號和5號節點上，使用者到2號和5號datanode上讀取資料並在本機端組合成原始的100MB資料。
分散式儲存系統，將資料切割儲存，讓使用者能使用平行技術加速資料的運算，並透過備份機制提升資料的容錯率，大資料儲存不再是問題，但將資料儲存在雲端上的分散式系統必有其安全性的疑慮，因此雲端儲存之安全性議題將是後續值得探討的。（本文由國科會補助｢新媒體科普傳播實作計畫─電機科技新知與社會風險之溝通｣執行團隊撰稿）
責任編輯：黃承揚｜英商牛津儀器海外行銷有限公司
