Hadoop大数据存算分离方案：计算层无缝对接存储系统

Hadoop的诞生改变了企业对数据的存储、处理和分析的过程，加速了大数据的发展。随着大数据系统建设的深入，企业的数据基础设施易出现计算资源浪费、存储性能低、管理成本过高等挑战。相比存算一体架构，存算分离架构具有性能与成本最优、兼具灵活性等特点，因此受到企业IT部门的青睐，并纷纷开始对Hadoop架构进行改造。

为满足大数据不同场景需求，杉岩数据此前研发推出了兼容HDFS接口能力的高性能数据湖文件网关，为使湖仓一体方案更加完善，杉岩数据全新升级了面向AI训练、机器学习、大数据分析等场景的高性能文件存储——杉岩云原生文件存储（以下简称杉岩CNFS），为客户实现All in One的存储能力。

存算分离实现方案：客户端模式

杉岩CNFS支持客户端模式，提供HCFS（Hadoop Compatible File System，Hadoop兼容文件协议）接口实现，对HDFS接口协议完全兼容，可以保证应用层就像使用原生HDFS存储一样使用杉岩CNFS。

实际场景中，通过在计算平台部署安装专用的客户端与简单的配置，即可实现Hadoop平台的组件与分离部署的存储交互。针对业界使用比较广泛的CDH平台（Hadoop商业发行版之一），杉岩CNFS也开发了配套的Parcel资源包，利用CDH自身的管理便捷地配置使用杉岩CNFS提供的存储空间。

图1 杉岩湖仓一体方案存算分离实现（客户端模式）

但是像所有HCFS接口实现一样，侵入式的部署方式使计算组件有了额外的依赖需要管理，当涉及计算组件自身的升级、替换等场景时，就要考虑杉岩CNFS客户端软件包和配置的同步，增加了运维工作。因此这种对接方式一定程度限制了计算组件自身的灵活性。

在实际应用中，用户如果有相对较为频繁的升级更替计算组件的场景，往往不能接受侵入式的部署对接方式。

实现无缝对接！杉岩数据推出HDFS网关服务端组件

针对这一需求，杉岩数据研发推出了HDFS网关服务端组件，进一步简化对接部署过程。HDFS网关实现了原生HDFS协议，可收发原生HDFS协议的请求，计算节点通过Hadoop环境自带的原生HDFS-Client即可访问存储系统，无需额外安装专用客户端。

图2 杉岩湖仓一体方案存算分离实现（服务端模式）

方案优势

原生HDFS协议，兼容性良好：HDFS网关支持几乎所有的HDFS数据面接口，可对接市场上常见的大数据平台。

无缝对接，简化对接部署过程：通过原生HDFS协议直接访问存储系统，无需在计算层安装专用客户端。计算组件升级、替换时，无需考虑客户端配置，减少运维工作量。

高数据吞吐能力，无单点故障：通过杉岩云原生文件存储对HDFS网关的数据处理卸载能力，大大降低了HDFS网关的数据处理开销，提升了整体的数据吞吐能力，并结合LVS实现了对HDFS网关的去中心化、水平扩展。

性能测试

LVS只处理HDFS NameNode的元数据相关RPC，实际占大部分网络带宽的数据读写是DataNode角色的block读写流量，不通过LVS，而由HDFS Gateway通过NameNode RPC返回自身节点的IP，HDFS-Client直接和各HDFS Gateway通讯。所以LVS不会成为大数据读写的瓶颈，如下图所示：

图3 通过LVS访问HDFS网关的交互

以下是在3节点存储加3节点Hadoop集群环境，通过TestDFSIO读写9个30G文件的对比测试结果，可见HDFS网关对存储系统带宽影响较小。但HDFS网关的增加会使IO路径长度多一跳，对存储网络带宽需求增加，规划存储网络时应考虑这一点。

图4 存算分离场景杉岩CNFS直通和通过HDFS网关带宽测试

值得一提的是，有些计算层组件可能针对HDFS做特别的优化，例如Hbase就实现了自己的异步HDFS-Client，此情况下使用HDFS网关可以继续使用计算侧的特别优化，能获得更好的性能。

总结

随着5G和IoT的快速发展，数据激增，企业级大数据平台建设逐渐深入，基于存算分离架构，计算承接丰富的应用接入需求，存储提供成熟稳定的底座支撑业务发展和生态对接是大势所趋。

上述内容体现了杉岩云原生文件存储在Hadoop大数据存算分离场景中的优势，杉岩数据推出HDFS网关服务端组件，通过原生HDFS协议直接访问存储系统，简化了对接部署过程，为用户提供了更多的选择，使基于杉岩大数据智能存储为基座的湖仓一体方案更加完善。

审核编辑：汤梓红