如何基于分布式存储来构建大数据时代的云服务

（文章来源：智会社）

云+AI的智能时代，传统的大数据架构已经很难满足数据分析的需求，存储逐步从计算中分离出来，以统一的云化存储池来支持海量、多样性数据的存储和分析需求。那么，大数据时代为什么需要云化存储池，云化存储池又需要具备什么样的能力呢？下面，我们就来一探究竟。

为什么需要云化存储池？现有的大数据系统多以计算存储融合、烟囱式的方式部署，一种大数据应用部署一套独立的大数据集群，这种部署方式在实际应用中遇到了一系列的问题：

首先是不同集群的计算、存储利用率差异较大，资源无法高效利用。大数据场景下，各个大数据集群业务模型不一致，有的是计算密集型，有的是存储密集型，这样就会造成有的集群计算成为瓶颈而存储空闲，有的集群存储成为瓶颈而计算空闲；云化存储池能够很好的解决该问题，实现资源的动态调配。

其次是不同集群间数据无法共享，整体分析效率降低。烟囱化部署方式下，一个大数据集群分析的结果要想被另一个集群使用，只能把数据再拷贝一份，既降低了分析效率，又浪费了存储空间；云化存储池可以实现多个大数据集群的数据共享，大幅提升多个大数据集群间协同分析的效率。最后是业务无法快速上线，不能满足日益多样化的服务需求。烟囱化部署方式下，各种业务相对独立，新业务上线需要采购新的大数据集群，上线周期经常以周甚至月计；云化架构下，计算资源和存储资源都可以随时发放，可以把新业务的上线周期缩短到分钟级。

云化存储池应该具备哪些能力？自从华为推出大数据存算分离方案，以OceanStor分布式存储作为云化存储池支撑多种大数据应用后，随着以Ceph为代表的开源分布式存储的发展，市面上如雨后春笋般出现了各色的分布式存储产品，那么是否每款分布式存储产品都能作为云化存储池使用呢？

结论肯定不是的，分布式存储只是冰山露出在海面上的一角，要想成为大数据的云化存储池，这款分布式存储还要具备多方面的内涵。下面，我们就来一探“云化存储池”号冰山的内部构成。

一套云化存储池对接多个计算集群，不同的计算集群由于部门归属不同、处理的业务不同，势必要求使用独立的命名空间和鉴权，从而实现数据访问的逻辑隔离，这就要求云化存储池具备多命名空间的能力；计算和存储分离，这就要求存储具备和计算集群统一鉴权的能力。

OceanStor分布式存储支持创建多个命名空间，并支持跟计算集群的统一鉴权。物理空间共享的基础上，每个命名空间跟对应的计算集群采用统一的kerberos、LADP鉴权服务器，同时各命名空间之间的鉴权和数据访问又可以做到逻辑隔离，从而有效支撑多种大数据业务共用云化存储池。

一套云化存储池对接多个计算集群，除鉴权和访问隔离外，还要考虑不同计算集群的资源抢占问题。一个计算集群占用的存储空间过高，或者消耗的性能过高，必然影响到其他计算集群的正常运行，这就要求云化存储池具备一定的配额和Qos能力。OceanStor分布式存储支持租户级和命名空间级配额，可以有效控制不同层级用户的空间占用；同时支持精细化控制的Qos能力，可以针对不同优先级的租户和命名空间提供差异化的服务，从而保障高优先级的业务能够获得最优的服务质量。

一套云化存储池对接多个计算集群，不同大数据计算集群使用的Hadoop组件可能是不同的，这就要求云化存储池不仅能提供HDFS接口，还要保证对不同Hadoop组件的兼容性。以Ceph为代表的开源分布式存储，多使用S3A接口来实现HDFS协议的对接，但S3A不支持append、flush（）、hflush（）等接口，这就导致很多Hadoop组件对接上均存在重要限制。

OceanStor分布式存储对外可提供原生HDFS接口，无缝兼容FusionInsight、Cloudra、HortonWorks等主流大数据平台的不同组件，为对接不同计算集群的多样化组件奠定了坚实基础。
（责任编辑：fqj）