1. 网易海量数据存储平台的构建和运维
王磊@网易杭研院
wanglei@corp.netease.com

2. 互联网应用的数据存储需求
• 海量存储空间
• 高效的数据访问：高并发、低延迟
• 高可扩展性
• 高可用性：7x24
• 安全性和可靠性
• 功能和接口丰富、简单易用
• 有效应对系统（数据、模式、环境）变更和升级
• 易维护：管理便捷，自动化程度高
• 控制成本

3. 网易海量数据存储平台简介
•设计目标：
为博客、相册、邮箱、网盘、IM等各类大型互联网应
用提供一种通用的用户数据存储和管理解决方案。
•实现方案：分布式数据库+分布式文件系统
–分布式数据库（DDB）：基于关系数据库集群解决结构
化数据的海量存储和高效访问。
–分布式文件系统（DFS）：以文件为存储单位的非结构化
数据分布式存储解决方案。

4. DDB的功能特点
• 基于Sharding的Scale Out。
• 多平台和多语言环境下的通用SQL访问接口。
• 支持常用的RDBMS功能：
– DDL：支持大多数语句，union和嵌套查询除外
– DML：表、视图、存储过程、触发器等
– 用户管理和权限控制
– 全局ID分配
• 事务支持：节点内、跨节点、跨DDB。
• 支持MySQL和Oracle混合使用。
• 命令行和图形化管理工具。

5. DDB系统架构
客户机(Client) 数据流
应用程序 控制流
C/Python/
PHP/Java/...
客户机(Client)
Java程序
查询服务器(QS) DDB JDBC 管理服务器 DBA
QuryServer DBI Master 管理工具
数据库节点(DBN) 数据库节点(DBN) 数据库节点(DBN)
MySQL/ MySQL/ MySQL/
Oracle Oracle Oracle

6. DDB Sharding实现原理
表（记录）、均衡字段、桶、DBN
哈希函数 存储映射表
(固定) 哈希表 (可调整)
逻辑ID
均衡字段 H SN 1
DBN1
SN 2
DBN2
负载信息

7. 需要解决的问题
• 优化访问性能
• 安全性问题
• 监控和故障处理
• 系统更新和升级
• 系统扩容

8. DDB访问性能优化——系统设计优化
• 去中心化，Client通过DBI直接访问DBN
• DBI Cache
–Meta Data Cache
–DBN Connection Pool
–DBN PreparedStatement Cache
–SQL Syntax Tree Cache
• 优化排序操作：Merge Sort优先
• 支持游标
• 基于Master-Slave的读写分离和读负载均衡

9. DDB访问性能优化——开发DBA
• 优化索引和SQL
• 尽量使用绑定变量（PreparedStatement）
• 尽量控制事务范围和执行时间
• 避免limit或offset值过大
• 获取大结果集时使用游标
• 为表选择合适的均衡策略（均衡字段、均衡函数、桶到
DBN的映射）
• 查询条件中尽量使用均衡字段等值条件
• 开销大的查询在Slave节点执行

10. 访问异常排除和性能优化——工具支持
• SQL Explain：分析DDB SQL执行计划
• SQL执行统计
– 计算SQL签名：select * from T where a=？ And b=#
– DDB SQL统计：tables, dbns, clients, count，time, avg_time,
mysql_count, mysql_time, dbn_count, rows
– MySQL SQL统计：handler_read_first, handler_read_key,
hander_read_next, handler_read_rnd, hander_read_next, explain
• DBI资源状态监视
– DBN连接池状态，占用连接的线程堆栈
– 资源对象：Connection/Statement/PreparedStatement

11. DDB系统安全
• 访问认证
– 用户名、口令认证和IP地址检查
– DDB认证+DBN(RDBMS)认证
• 权限管理
– 区分普通用户和管理员用户
– 权限控制粒度：用户对表的读、写和授权
– 用户访问配额控制
– 管理员权限细分：Schema配置、维护、监控统计、用户管理
– 管理员操作日志
• 其他：
– 口令加密传输和保存
– 只允许内网访问

12. DDB状态监视和故障处理
• DBN状态监视：By Master
– 心跳监视和报警，故障时切换到Standby Node。
– Session自动监视、统计和报警
– Slow Log自动监视、统计和报警
– 复制延迟和异常自动监视和报警
• Query Server监视：By Master
– 心跳监视和报警，动态调整和广播可用的QueryServer列表。
– 负载监视，动态调整和广播可用的QueryServer访问权值。
• Master监视：By Monitor or Zookeeper
– 采用主从模式，故障时自动切换
– Meta Data复制

13. 应对系统变更和升级
• 系统变更：
产品升级、硬件升级、系统软件升级、DDB版本升级
• 技术挑战：
降低影响、避免误操作、时间可控、自动化、可回退
• 应对策略
– 硬件和系统软件升级：主备切换，逐步替换
– 测试环境 -> 线上环境：正确性验证和实施时间评估
– 管理操作支持命令行方式执行，降低重复操作中的误操作
– 计划任务：支持多任务、多模式、异常处理、详细日志和执行结果通知
– 数据备份：Mirror + backup(snapshot) + Binlog
– DDB版本升级：Master和DBI升级，通信协议向下兼容

14. DDB扩容（1）
• 技术挑战
– 降低对线上服务的影响
– 灵活地扩充资源
– 降低复杂度
– 保证执行效率
• 实现原理 存储映射表
存储映射表 哈希表 (可调整) 负载
9+7=16
哈希表 (可调整) 负载
9+7+7=23 7
5
7
数据迁移后 9
5 SN 1
9 7 负载
SN 1
7 负载 4 7+5+4=16
4 7+5+4+8=24 8
8 7
7
SN 2
SN 2 负载信息 负载
8+7=15
SN 3

15. DDB扩容（2）
实现方案
• 方案一：DBN间数据导出导入
– 优点：迁移效率较好，实现较简单，灵活性好
– 缺点：停服时间长，容易导致数据不一致，删除数据的负面影响
• 方案二：基于事务的批量数据迁移
– 优点：不用停服，应用透明，灵活性好
– 缺点：实现复杂，迁移效率低，对线上访问有一定影响。
• 方案三：基于复制的数据扩容
– 优点：对应用透明，不需停服，效率高，对线上访问基本无影响。
– 缺点：操作较为复杂，只能实现成倍扩容，灵活性较差。

16. DFS的设计目标
• 面向海量的非结构化用户数据存取
• 支持大量的高并发数据操作
• 支持动态扩展，存储量和处理能力线性增加。
• 高可靠性，避免数据丢失和单点故障
• 负载均衡，可控性好
• 存储成本可控

17. DFS的功能特点
• 数据访问去中心化
– 文件读取和写入不经过中心节点，提高访问效率
– 通过ID（64bit）标识和定位文件
– 文件元信息：不支持目录、文件名、权限信息，支持SIZE，UpdateTime，MD5。
• 访问接口：
– 不支持POSIX文件接口
– 面向Java/C++的API：read,insert,delete,append,update等
– HTTP文件读取接口
• 支持多副本
• 支持数据在集群中复制和迁移
• 支持文件级别的数据去重
• 定制硬件降低成本

18. DFS系统架构

19. 数据定位——ID到文件地址的映射
ID BucketID (16bit) Level1 (12bit) Level1 (12bit) Level3 (12bit) Filename(12bit)
文档分配表
Bucket 1
SN 1
Bucket 2
SN 2
Bucket 3
SN 3
Bucket 4
……
……
SN
RootDir/Level1/Level2/Level3/Filename

20. 多副本管理
• 以Bucket为单位进行配置和管理
• 将Bucket映射到不同SN的不同磁盘上
• FSI负责多副本的同步写
• FSI和前端机随机挑选副本读取数据
• SN故障处理：
1.MDS检查到SN心跳失效
2.MDS通知所有FSI和前端机停止对故障SN的访问
3.MDS通知其他副本所在SN将桶数据复制到空闲SN上
4.MDS修改数据映射表

21. 数据复制和迁移
• 应用场景：
–SN异常恢复，恢复或增加副本
–SN系统软硬件更换或升级，服务器搬迁
–跨数据中心数据灾备
–均衡负载
• 实现策略:
–以桶为单位进行复制和迁移。
–源SN上记录操作日志
–将源SN上的桶数据拷贝到目标SN后通过redo操作日志来保证源
和目标SN的同步。
–完成最后的数据同步瞬间源SN设为只读。

22. DFS定制存储服务器
• 定制存储服务器
– 配备桌面级SATA硬盘 24x2T
– 电源管理功管理磁盘上下电状态
• DFS对定制服务器的支持
– 通过多副本减少磁盘故障的影响。
– 控制SN的读写。
– 对只读或只有少量写操作的多副本磁盘组轮流上下电，通过定期
Redo操作日志保证数据一致。
• 带来的好处：
– 降低硬件采购的成本
– 降低功耗
– 延长磁盘寿命

23. 总结
• DDB在保持了RDBMS的特性和功能的基础上支持高吞吐、
高可用、高扩展，适合传统的基于RDBMS的应用开发。
• DFS在DDB的基础上提供大对象存储，提供了更好的扩展性
。
• DDB弥补了DFS在元数据管理方面的不足。
• DDB与DFS的结合可以满足大多数互联网应用的快速开发要
求。
• 基于廉价服务器的分布式解决方案降低了存储系统的成本。
• 功能强大的管理工具弥补分布式集群带来的管理复杂性。

24. 存储平台应用情况
• 使用平台的产品
– 网易博客
– 网易微博
– 网易相册
– 网易企业邮箱
– 邮箱网盘和超大附件
– 网易POPO（即时通信）
– 社区类游戏
• DDB存储节点数量 400+
• DDB总数据量 60TB
• DFS存储节点数量 1200+
• DFS总数据量 4PB

25. 感谢您的关注！
Q&A