阿里云文件存储（NAS）助力业务系统承载双十一尖峰流量

2018天猫双11全球狂欢节，全天成交额再次刷新纪录达到2135亿元，其中总成交额在开场后仅仅用了2分05秒即突破100亿元，峰值的交易量达到惊人的高度，背后离不开阿里云大数据计算和存储能力的支撑。在整个交易的链路上，账单业务是一个重要的环节，尤其对商家系统来说，需要定期对账，账单子系统出现一点点问题都会影响商家的运营，2018的双十一，承载账单的消息系统把全网卖家账单系统60%的流量托付给了阿里云文件存储。在11日0点的峰值交易时刻，账单消息系统的写入流量瞬间达到日常流量的60倍以上，阿里云文件存储表现稳定，顺利扛下这一波洪峰，帮助业务系统完美度过0点的考验。本文将介绍阿里云文件存储的背景，以及文件存储是如何来保障业务系统应对高压力的。

什么是云上的NAS文件存储

在阿里云的发展早期，在云服务器ECS上运行的应用需要进行数据存储时，有两个选择：

• 云盘：兼容应用的IO接口，但是和物理机使用硬盘一样，云盘和ECS绑定，单块云盘只能特定ECS访问；
  

• OSS：多ECS可以共享访问，但需要应用调整IO接口，使用OSS的REST接口；
  

但如果应用既想保留原有的IO接口（一般是POSIX接口），又需要实现多ECS共享存储，就没有很好的解决办法。NAS文件存储在这样的背景下应运而生，针对传统企业级应用的存储需求，通过标准NAS系统协议（NFS/SMB），为ECS提供共享存储，支持随机读写以及PB级别容量，并且支持容量动态扩展，方便业务从小规模逐渐扩大过程中，不需要再担心存储容量的扩容以及运维问题。

阿里云NAS文件系统从2016年推出至今，已经应用在丰富的业务场景中，包括高HPC性能计算、Web服务和内容管理、媒体和娱乐处理工作流、容器存储、基因和生命科学数据存储处理，深度学习大数据处理等等，很好地服务了云上的客户。

NAS文件存储架构设计

阿里云文件存储是一个可共享访问，弹性扩展，高可靠，高性能的分布式文件系统，其架构设计如图1所示。

图1： 阿里云文件存储架构

整个技术栈分五层，第一层是各类计算节点（比如ECS、Docker、GPU等）不同操作系统使用标准文件协议NFS/SMB访问文件存储。第二层是阿里云网络负载均衡，把客户端请求轮转发送到前端机。第三层是负责协议处理的前端机，具备scale-out的能力。第四层是文件系统元数据管理，实现高效的数据结构保证元数据的快速操作。第五层是元数据和数据的持久化存储，使用阿里云盘古存储系统。

整个架构通过盘古保证高可靠，另外通过文件存储高效的数据和元数据管理技术实现scale-out、高可用，超高的数据访问性能以及一系列企业级存储的特性，如图2所示。

图2 阿里云文件存储特性

账单业务消息系统适配文件存储

随着云上文件存储的知名度越来越广，阿里集团的很多内部业务也开始接入文件存储，其中就包括支撑账单业务的消息系统。

架构设计

消息系统的存储本来使用的是本地盘，这样最主要的问题就是当单机故障时，存储在磁盘上的数据没法及时被其他主机访问，其他主机不能快速接管原来主机的业务，缺乏容灾的能力，对应用的影响非常大。而使用文件存储天然具有多机共享访问的能力，可以很好的解决这个问题。

但是，如果只是简简单单地做一个替换，把本地存储换成文件存储，如图3那样，

图3 本地存储替换成文件存储（共享访问）

多台ECS通过NFSv4挂载同一个文件系统，每个ECS会使用到一个文件系统里的多个子目录作为消息文件的存储空间，虽然解决了前述的容灾问题，但这个架构的问题是过于依赖单点的存储，万一单文件系统发生故障，所有消息队列的访问都会受到影响，因此需要对架构进行进一步调整。调整的基本思路就是将流量尽量打散到多个文件系统上，同时又避免对业务方软件的改造。

调整后的架构入图4所示，为业务创建多个虚拟云机房，每个虚拟云机房的消息系统存储由4个NAS文件系统来承载，消息系统计算节点ECS会同时挂载4个文件系统，并且通过软链接的方式在‘nasroot’目录下看到多个队列，对业务使用上来说，这些队列对应的目录是在同一个文件系统（原来的架构）还是多个文件系统（新的架构）是不感知的，这样就将业务需要改造的量最小化，只需要在部署时候进行相应的自动化（挂载和创建软链接）即可，但带来的好处是巨大的，万一发生单文件系统的故障，业务可以自动分流到存活的文件系统，可以有效应对各种故障场景。

图4 架构优化

细节优化

相对于使用本地盘，计算存储分离架构下，如果应对存储测的异常和故障呢？标准的NFS挂载下，如果服务端出现故障或者网络发生故障，客户端访问文件存储将会是完全hang住，直到服务或者网络恢复为止。针对这个问题，消息系统进行了相应改造，业务系统对消息的一致性保障进行了优化，可以支持写消息失败。这样就可以使用NFS的soft挂载模式，当服务端出现故障或者网络发生故障时，应用程序将不会再是完全hang住，而是能迅速监测到IOError，并立即采取对应的行动。结合前述的架构设计，应用程序能进行快速响应，把流量分流到其他存活的文件系统上，快速恢复。

双十一的考验

经过架构设计和细节优化，文件存储的scale-out能力在双十一尖峰发挥出了应有的能力，即使在0点时刻流量是平时的60倍以上，表现依然稳定，在文件存储的给力表现下，业务系统的响应依然如日常一样顺滑，完全感觉不出超大流量对系统的冲击。

总结

阿里云文件存储为云上业务提供支持标准接口（POSIX）以及标准文件访问协议（NFS，SMB）的存储服务，并且具有简单易用、安全可靠、性能和容量scale-out等特性。经过双十一的锤炼，文件存储的服务能力必将继续上升一个台阶，将提升后的能力以普惠技术的形式向云上各行各业输出，推动社会生产力的发展。