基于虛擬化與分布式技術(shù)的存儲系統

摘要：介紹了一套基于云計算(cloud computing)技術(shù)的數據應用平臺系統設計方案。該系統由多組服務(wù)器集群組成，可提供數據存儲、備份和并行運算服務(wù)。并可采用虛擬化應用端與分布式(Hadoop)技術(shù)相結合的方式為用戶(hù)提供高容量和異構應用存儲系統，以便結合iSCSI協(xié)議在硬件層獲得更靈活的部署。
關(guān)鍵詞：虛擬化；數據處理；分布式存儲；云計算

0 引言
通過(guò)FreeBSD系統搭建開(kāi)源的Hadoop存儲應用基礎，依托在服務(wù)器虛擬化(VMware)的平臺上進(jìn)行運行，這樣能夠擁有更快、更穩定、更安全的硬件保障，使用iSCSI技術(shù)，盡可能降低存儲部署成本。本系統利用VMware虛擬化平臺將服務(wù)器硬件存儲資源進(jìn)行整合，通過(guò)建立Lun將服務(wù)器的磁盤(pán)陣列進(jìn)行劃分，組成多個(gè)磁盤(pán)邏輯，然后通過(guò)在Lun上安裝FreeBSD操作系統及搭建iSCSI服務(wù)器端，使得存儲硬件資源能夠靈活地應用在Hadoop系統中。Hadoop將部署在虛擬化硬件平臺上構成一個(gè)分布式的文件系統，通過(guò)WebDAV協(xié)議建立與客戶(hù)端服務(wù)器的應用通信。用戶(hù)可以通過(guò)訪(fǎng)問(wèn)客戶(hù)端服務(wù)器，將文件通過(guò)WebDAV以HTTPS方式傳輸到Hadoop存儲集群中保存。
該平臺的設計充分利用了虛擬化與分布式技術(shù)的特點(diǎn)，采用多層次的模塊化應用將整個(gè)存儲系統從硬件架構到軟件應用方式都變得靈活和易擴展，同時(shí)又因為虛擬化與分布式技術(shù)本身的安全特性，系統在數據安全性上具有先天優(yōu)勢，從而實(shí)現數據存儲服務(wù)的低成本部署。

1 系統設計原理
存儲系統采用底層云存儲技術(shù)與應用層iSCSI技術(shù)來(lái)為用戶(hù)提供跨系統應用平臺支持。其工作原理如圖1所示。

系統首先由多臺數據存儲服務(wù)器通過(guò)iSCSI網(wǎng)絡(luò )構成一個(gè)龐大的數據存儲服務(wù)集群，每一臺數據服務(wù)器的配置是相同的。當數據達到存儲池飽和狀態(tài)時(shí)，可以將同樣配置的服務(wù)器加入到這個(gè)存儲網(wǎng)絡(luò )中，在不改變原有系統運行狀態(tài)下實(shí)現擴容。
系統采用VMware ESXi Server虛擬系統作為應用服務(wù)器集群底層系統，各應用服務(wù)器系統可在VMware虛擬系統之上建立邏輯上的關(guān)聯(lián)。 VMware允許多個(gè)操作系統并行運行于一臺高性能服務(wù)器之上和多個(gè)高性能服務(wù)器運行同一任務(wù)，同時(shí)通過(guò)網(wǎng)絡(luò )對操作系統進(jìn)行備份和管理，能夠依據應用服務(wù)使用狀況對操作系統實(shí)施遷移和復制，從而擴大網(wǎng)絡(luò )應用處理帶寬。
在VMware層上安裝FreeBSD系統平臺搭建Hadoop分布式存儲系統，Hadoop系統能將數據同時(shí)分割成許多小塊和備份，通過(guò)點(diǎn)播服務(wù)器(NameNode)存放于不同的數據存儲服務(wù)器中。在Hadoop系統中，會(huì )有一臺Master，主要負責NameNode的工作以及JobTracker的工作。Job Tracker的主要職責就是啟動(dòng)、跟蹤和調度各個(gè)Slave的任務(wù)執行。還會(huì )有多臺Slave，每一臺Slave通常具有DataNode的功能并負責Task Tracker的工作。TaskTracker根據應用要求來(lái)結合本地數據執行Map任務(wù)以及Reduce任務(wù)。
在NameNode上部署WebDAV應用，實(shí)現應用服務(wù)器對存儲資源的通信，從而讓用戶(hù)調用Hadoop上的數據。WebDAV(Web-based Distributed Authoring and Versioning)是基于HTTP 1．1的一個(gè)通信協(xié)議。它為HTTP 1．1添加了一些擴展(就是在GET、POST、HEAD等幾個(gè)HTTP標準方法以外添加了一些新的方法)，使得應用程序可以直接將文件寫(xiě)到Web Server上，從而替代傳統的FTP傳輸文件模式。

2 系統關(guān)鍵技術(shù)實(shí)現
存儲平臺通過(guò)在Hadoop上部署WebDAV，可實(shí)現客戶(hù)端(應用服務(wù)器)對服務(wù)器端(Hadoop節點(diǎn)服務(wù)器)的復制和移動(dòng)文件，并可進(jìn)行多用戶(hù)同時(shí)讀取一個(gè)文件等操作。
實(shí)施步驟(以四臺服務(wù)器為例，結合局域網(wǎng)內DNS服務(wù)器)：
第一步：Hadoop環(huán)境搭建使用Hadoop的用戶(hù)，機器名和IP依次為域名vc1(192．168．1．1)，域名vc2(192．168．1．2)，域名vc3(19 2．168．1．3)和域名vc4(192．168．1．4)。這是因為四臺機器中vc3作為Hadoop的Namenode，其他的作為Datanode。
詳細環(huán)境配置介紹如下：
Hadoop版本為0．20．2；
JDK版本為1．6．0；
操作系統為FreeBSD8．0(最小化安裝)。
ve3(192．168．1．3)是NameNode(Master)，其他三臺作為DateNode(slave)．
Hadoop是Java語(yǔ)言編寫(xiě)的機群程序，它的安裝是建立在ssh和JDK之上的，所以在配置Hadoop之前首先要對系統進(jìn)行ssh和JDK的安裝與配置。
(1)通過(guò)ssh來(lái)實(shí)現Hadoop節點(diǎn)之間用戶(hù)的無(wú)密碼訪(fǎng)問(wèn)
①在各個(gè)節點(diǎn)的／etc／hosts文件中添加節點(diǎn)IP及對應機器名，并在各個(gè)節點(diǎn)上建立相同用戶(hù)名與密碼的賬戶(hù)。
修改／etc／hosts文件如下：
192．168．1．1 vc1
192．168．1．2 vc2
192．168．1．3 vc3
192．168．1．4 vc4
修改成功后就可以實(shí)現IP地址與機器名的對應解析。
在各個(gè)節點(diǎn)建立用戶(hù)名為Hadoop，密碼為123456的用戶(hù)。