导读： OPPO是一家智能终端制造公司，有着数亿的终端用户，手机 、IoT设备产生的数据源源不断，设备的智能化服务需要我们对这些数据做更深层次的挖掘。海量的数据如何低成本存储、高效利用是大数据部门必须要解决的问题。目前业界流行的解决方案是数据湖，本次Xiaochun He老师介绍的OPPO自研数据湖存储系统CBFS在很大程度上可解决目前的痛点。本文将从以下几点为大家展开介绍：

01 数据湖简述

数据湖定义：一种集中化的存储仓库，它将数据按其原始的数据格式存储，通常是二进制blob或者文件。一个数据湖通常是一个单一的数据集，包括原始数据以及转化后的数据（报表，可视化，高级分析和机器学习等）。

1. 数据湖存储的价值

对比传统的Hadoop架构，数据湖有以下几个优点：

2. OPPO数据湖整体解决方案

OPPO主要从三个维度建设数据湖：最底层的湖存储，采用的是CBFS，它是一种同时支持S3、HDFS、POSIX文件3种接入协议的低成本存储；中间层是实时数据存储格式，采用了iceberg；最上层可支持各种不同的计算引擎。

3. OPPO数据湖架构特点

早期大数据存储特点是流计算和批计算的存储放在不同的系统中，升级后的架构统一了的元数据管理，批、流计算一体化；同时提供统一的交互查询，接口更友好，秒级响应，并发度高，同时支持数据源Upsert变更操作；底层采用大规模低成本的对象存储作为统一的数据底座，支持多引擎数据共享，提升数据复用能力。

02 数据湖存储CBFS架构

我们的目标是建设可支持EB级数据的数据湖存储，解决数据分析在成本、性能和体验的挑战，整个数据湖存储分成六个子系统：

接下来，会重点分享下CBFS用到的关键技术，包括高性能的元数据管理、纠删码存储、以及湖加速。

03 CBFS关键技术

1. 元数据管理

文件系统提供的是层次命名空间视图，整个文件系统的逻辑目录树分成多层，如右图所示，每个元数据节点(MetaNode)包含成百上千的元数据分片（MetaPartition），每个分片由InodeTree（BTree）和DentryTree（BTree）组成，每个dentry代表一个目录项，dentry由parentId和name组成。在DentryTree中，以PartentId和name组成索引，进行存储和检索；在InodeTree中，则以inode id进行索引。使用multiRaft协议保障高可用性和数据一致性复制, 且每个节点集合会包含大量的分片组，每个分片组对应一个raft group；每个分片组隶属于某个volume；每个分片组都是某个volume的一段元数据范围（一段inode id ); 元数据子系统通过分裂来完成动态扩容；当一分片组资源(性能、容量)紧接临近值时，资源管理器服务会预估一个结束点，并通知此组节点设备，只服务到此点之前的数据，同时也会新选出一组节点，并动态加入到当前业务系统中。

单个目录支持百万级别容量，元数据全内存化，保证优秀的读写性能，内存元数据分片通过snapshot方式持久化到磁盘以作备份及恢复使用。

而对象存储提供的是扁平命名空间；以访问objectkey为/bucket/a/b/c的对象为例，从根目录开始，通过”/”分隔符层层解析，找到最后一层目录(/bucket/a/b)的Dentry，最后找到的/bucket/a/b/c对于的Inode，此过程涉及多次节点间交互，层次越深，性能较差；因此我们引入PathCache模块用于加速ObjectKey解析，简单做法是在PathCache中对ObjectKey的父目录(/bucket/a/b)的Dentry做缓存；分析线上集群我们发现，目录平均大小约为100，假设存储集群规模在千亿级别，目录条目也才10亿个，单机缓存效率很高，同时可通过节点扩容来提升读性能；在同时支持"扁平"和"层次"命名空间管理的设计，与业界其他系统相比，CBFS实现得更简洁，更高效，无需任何转换即可轻松实现一份数据，多种协议访问互通，且不存在数据一致性问题。

2. 纠删码存储

降低存储成本的关键技术之一是纠删码(Erasure Code, 简称EC)，简单介绍一下纠删码原理：将k份原始数据，通过编码计算得到新的m份数据，当k+m份数据丢失任意的不多于m份时，通过解码可还原出原始数据(原理有点像磁盘raid)；相比传统的多副本存储， EC的数据冗余度更低，但数据耐久性（durability）更高；其实现也有多种不同方式，多数基于异或运算或者Reed-Solomon(RS)编码，我们的CBFS也采用了RS编码。

计算步骤：

编码矩阵B∈R (k+m) × k ，上面n行是单位阵I，下方m行是编码矩阵；k+m个数据块组成的向量，包含原始的数据块和m个校验块；

普通的RS编码存在一些问题：以上图为例，假设X1～X6 ，Y1～Y6为数据块，P1和P2为校验块，若其中任意一块丢失，需要读其余12个块才能修复数据，磁盘IO损耗大，数据修复所需带宽高，在多AZ部署时，问题尤为明显；

微软提出的LRC编码，通过引入局部校验块来解决该问题，如图所示，在原来全局校验块P1和P2的基础上，新增2个局部校验块PX和PY，假设X1损坏，只需读取与其关联X1～X6共6个块即可修复数据。统计表明，在数据中心，一个条带在一定时间内单块盘故障的概率是98%，2个盘同时损坏的概率是1%，因此LRC在大多数场景可大幅提升数据修复效率，但缺点是其非最大距离可分编码，无法做到像全局RS编码那样损失任意m份数据能把所有的丢修复回来。

① EC类型

② CBFS跨AZ多模式在线EC

CBFS支持了跨AZ多模式条带的在线EC存储，针对不同的机房条件(1/2/3AZ)、不同大小的对象、不同的服务可用性和数据耐久性需求，系统可灵活配置不同的编码模式

以图中“1AZ-RS”模式为例，6个数据块加3个校验块单AZ部署；2AZ-RS模式，采用了6个数据块加10个校验块2AZ部署，数据冗余度为16/6=2.67；3AZ-LRC模式，采用6个数据块，6个全局校验块加3个局部校验块模式；同一个集群内同时支持不同的编码模式。

③ 在线EC存储架构

包含几个模块：

数据写入采用简单的NRW协议，保证最小写入份数即可，这样在常态化的节点及网络故障时，请求也不会阻塞，保障可用性；数据的接收、切分、校验块编码采取异步流水线方式，也保障高吞吐和低时延。

⑤ 纠删码读

数据读取也采取了NRW模型，以k=m=2编码模式举例，只要正确读到2个块(不论是数据块还是校验块), 即可快速RS解码计算得到原始数据并；此外为提升可用性和降低时延，Access会优先读临近或低负载的存储节点EC-Node。

可以看到，在线EC结合NRW协议确保了数据的强一致性，同时保障高吞吐和低时延，很适合大数据业务模型。

3. 数据湖访问加速

数据湖架构带来显著的收益之一是成本节约，但存算分离架构也会遇到带宽瓶颈和性能挑战，因此我们也提供了一系列访问加速技术：

① 多级缓存能力

多级缓存策略在我们的机器学习训练场景有不错的加速效果。

② 谓语下推操作

另外存储数据层还支持了谓语下推操作，可显著减少存储与计算节点间大量的数据流动，降低资源开销并提升计算性能；

数据湖加速有还很多细致的工作，我们也在持续完善的过程中。