分布式块存储 ZBS 的自主研发之旅 | 架构篇
作者：深耕行业的 SmartX 金融团队
背景
ZBS 是由 Z Block Storage 缩写而来，Z 代表 The Last Word，有最后/最终之意。ZBS 是 SmartX 自主设计、研发并且成功商业化的一款分布式块存储产品。一直以来，ZBS 作为 SmartX 超融合软件（SMTX OS）的重要组成部分，为上层虚拟化提供高性能、高可用和高可靠的数据持久化存储支撑。
在日常与金融客户交流过程中，客户对 ZBS 架构原理都表现出了不同程度的兴趣和疑惑，这也是本文编写的初衷，希望通过这样的一篇文章，可以给读者一个全面的视角来了解 ZBS。
缘起
SmartX 公司创立之初（2013 年），定位是为企业云构建易用、可靠、按需扩展的数据中心基础架构。在分布式存储（公司第一款产品 HCI 存储底座）早期技术路线选择上，其实也调研过开源类产品，例如 Sheepdog 和 Ceph 等。使用开源产品的好处是启动快（产品可以快速商业化），如同盖房子，站在 10 楼向上盖速度很快，但随着房子越来越高，问题会越来越多：整体结构和地基是否可以适应不断变化的需求；是否可以灵活按需优化迭代；对于像 Ceph 类代码量偏重且复杂的开源产品，遇到核心问题，是否可以及时解决；以及开源产品的 License 等等。综合评估下，SmartX 决定走自主研发的技术路线，从图纸设计到基建再到交付房子，这条路虽慢，但符合初创团队的产品基因：做难做的事，做有价值的事。
做完第一个选择后，马上就要思考第二个问题：分布式存储的架构应该如何选择？在当时，可供选择和参考的架构大致有两类：
DHT - Distributed Hash Table（Ceph 即典型的 DHT 代表）
集中管理元数据（以 GFS - Google File System 为代表）
基于算法去实现大规模数据集的分布式管理，看似是完美的、智能的，但在面对企业常态化的集群横向扩容和硬件故障所带来的拓扑变化，会影响到算法，进而导致数据位置的变化，产生不必要的数据流动，同时也会失去对副本位置的控制权，对存储性能的优化也会变得复杂。这并不是 SmartX 希望看到的样子。
GFS 在 Google 内部已经有大规模使用（2003 年论文发表时，最大集群节点已超千台），其后来者 HDFS 在大数据场景中的成功应用，可以证明 GFS 的框架设计理念是可靠的，是具有高度容错的分布式存储系统框架。以下对 GFS 简要介绍：
运行在普通 PC 服务器，可按需水平扩展，并处理超大规模数据集。
存储大文件（GB 级）场景，I/O 特点是文件一次写、多次读，修改操作以追加为主。
对顺序写和顺序读模型比较友好，随机读写时架构设计并不能保证性能。
采用和应用程序 API 协同设计的方法（简化接入实现）。
图 1 - GFS 架构 1
图 1 来自 GFS 论文中的架构设计，可以看出，GFS 采用 Single Master 的设计思想（容错是需要独立设计实现），架构由一个 Master 加多个 ChunkServer 组成，文件被切分成多个 Chunk 块，采用副本技术实现数据可靠性。架构将控制信息与数据分离，减少 Master 工作负载，并通过控制 Chunk Size（64 MB），从而减少通信开销以及元数据的容量开销。如果读者想更加深入了解 GFS，可以阅读文末第一篇参考文章。
可以看出，通过合理设计，Master 集中管理元数据，并不会成为瓶颈。结合 SmartX 自身的需求，即精细化管控数据，来实现极致的性能优化和灵活的数据运维能力，我们最终确定参考和借鉴 GFS 的设计理念（技术路线），去实现一款自主研发、适应于私有云/虚拟化的企业级分布式存储产品。
确定了技术路线，下面我们通过不同的维度来一起看看，ZBS 的架构是如何设计的，在哪些地方与 GFS 相似，哪些地方不同，SmartX 又是如何思考的。
对产品设想
虽然参考 GFS 的框架，但应用场景不同（GFS 是面向大数据，对数据一致性的要求是宽松的，而 ZBS 的定位是面向云计算/虚拟化，要求强一致性）、目标不同（GFS 带宽优先，而 ZBS 对存储的 IOPS/BW/Latency 都非常看重），所以对产品细节的考虑及实现方式需要有自己的方法论。以下是我们对产品的一些主要定位：
相比使用专有黑盒硬件，需运行在标准的 PC 服务器，使用标准通用硬件。
可小规模起步（3 节点），按需水平扩展。
假设失效是常态，架构需具备良好的容错和自动恢复能力。
处理大规模数据集，单集群可处理 PB 级数据。
存储软件需要将硬件的性能充分发挥出来（硬件升级换代或扩容）。
灵活的存储协议接入方式和扩展能力。
存储架构
构建一个企业级分布式存储系统对于任何一个团队来讲，都是一件极具挑战性的工作。不仅需要大量的理论基础，还需要有良好的工程能力支撑。
从广泛意义上讲，分布式存储中通常需要解决三个问题，分别是元数据服务、数据存储引擎以及一致性协议。图 2 为 ZBS 系统架构，其组件将逐一展开介绍。
图 2 - ZBS 系统架构
Meta 是整个分布式集群的大脑，其功能包括：集群成员管理、存储对象管理、数据寻址、副本分配、访问权限、数据一致性、负载均衡、心跳、垃圾回收等。
存储引擎 Chunk 负责管理数据在每一个独立节点内的存储能力，以及本地磁盘管理、磁盘故障和亚健康处理等。每一个存储引擎之间是独立的，在这些独立的存储引擎之间，需要运行一个一致性协议，来保证对于数据的访问可以满足 ZBS 期望的一致性状态。
接入管理是对外提供存储功能服务的能力，提供可靠的、高性能的接入服务，从图 2 中可以看到，ZBS 提供了丰富的接入协议，来满足不同场景下的接入通道，在后面的系列文章中也会详细介绍各种接入协议的设计实现。
有了以上这些组件，就掌握了一个分布式存储的核心，不同的分布式存储系统之间的区别，基本上也都来自于这些组件的不同选择。
Meta 元数据服务
所谓元数据就是“数据的数据”，如果元数据丢失了，或者元数据服务无法正常工作，那么整个集群的数据都将无法被访问。同时，元数据服务的响应性能，也决定了整个存储集群的性能表现，所以 ZBS 的设计聚焦在以下三个能力：
可靠性 - 在单 Master 架构中，元数据必须保存多份，同时元数据服务需要提供容错和快速切换的能力，采用分布式数据库来持久化和同步元数据的方案，明显会给整个架构增加复杂性。最终 ZBS 选择采用单机 KV DB 来实现 Meta 本地元数据持久化，利用 Log Replication 机制实现元数据在多节点间的数据同步，当 Meta Lead 失效，Follower 节点通过选主快速接管元数据服务。
高性能 - 最小化元数据服务在存储 I/O 路径中的参与度。ZBS 将控制平面与数据平台进行分离，使大部分 I/O 请求不需要访问元数据服务，当需要修改元数据时，比如数据分配，元数据操作的响应时间必须足够快。ZBS 定义数据块 Extent 为 256 MiB，在 2 PiB 集群存储容量规模下，元数据能全部加载到内存中操作，提高查询效率。
轻量级 - 为了让架构简单，ZBS 并没有拆分成管理节点和数据节点（与 GFS 不同之处），而是通过合理的资源优化，将元数据服务与数据服务混合部署在同一个节点，三节点即可部署交付，而无需独立部署管理节点。
图 3 - Meta 元数据
存储引擎
与元数据服务相似，存储引擎的设计，同样需要关注可靠性、一致性、性能以及易于运维等几个方面的能力。
可靠性 - 数据的可靠和一致性是最核心的能力，没有任何妥协的空间。ZBS 采用副本的数据保护技术，通过副本（Extent）版本号实现数据一致性的检查，数据副本数低于预期时，将自动触发数据重构。对于脏数据，由 Meta 定期完成 GC（垃圾回收）。
性能 - ZBS 设计提供两种存储形态「全闪和混闪」来适应不同场景下的性能需求。随着新型硬件的速度越来越快（NVME、DCPMM、25 GbE……），性能的瓶颈会从硬件转移到软件，尤其对于存储引擎，性能至关重要。ZBS 在软件层面追求极致优化（程序锁、上下文切换等），来提高效率。
裸设备管理 - ZBS 并没有使用现成的文件系统作为存储引擎，而是结合自身对性能的需求，在裸设备上实现数据分配、空间管理、I/O 等逻辑。这样做的好处是可以避免文件系统带来的性能 Overhead 以及 Journal 写放大。
运维 - 易于使用、易于升级，可以让客户日常运维更加简便；易于排错、发现问题，可以使工程师快速定位并修复。使用 Kernel Space，优势是性能更好，但同时也存在很多严重的问题，如 Debug 和升级麻烦，Kernel 模块故障域变大，很可能污染 Kernel。最终，ZBS 采用 User Space 实现存储引擎（软件升级方便，进程问题并不会影响 Kernel）。
图 4 - 存储引擎
数据路径
通过图 5 可以了解到 ZBS 接入数据完整 I/O 过程。
Client 发起 I/O 请求，不同的接入协议（iSCSI、NFS、vhost、NVMe-oF）会使用不同的交互方式，这里并不展开，Access 接收 I/O 请求。
超融合架构计算与存储融合，在节点状态正常下，I/O 请求发送给本地 Access。
存算分离架构，I/O 接入的 Access，在首次连接由 Meta 进行分配。
Access 向 Meta 请求授权，通过 Lease 实现对 Extent（数据块）操作权限，同时缓存 Extent 的位置信息。
Access 向多个 Extent 所在位置发起强一致性的 I/O 操作。
图 5 - Access 接入
对比 ZBS 和 GFS
相信读者对 ZBS 的设计思想已经有了一定的了解，虽然 ZBS 设计参考 GFS 实现，但应用场景决定了最终实现的区别。我们通过下面的表格展示两种存储在架构设计实现上的相同与不同。
性能表现
经过多年的产品迭代优化，图 6 展示了最新版本下，ZBS 在不同存储介质类型、网络环境以及叠加不同软件功能条件下，发挥的存储性能表现（基于 3 节点 HCI 集群）。
图 6 - ZBS 存储性能
展望
ZBS 通过大量的客户部署案例，积累了丰富的经验，同时随着近些年新技术的不断涌现，SmartX 将结合自身的理解，在后续软件迭代中持续优化 ZBS，充分发挥新型存储介质的性能，例如存储引擎 I/O 利用用户态驱动 Bypass Kernel、Meta 分布式来支持更多新的特性。
参考文章：
1. The Google File System. https://static.googleusercontent.com/media/research.google.com/zh-CN//archive/gfs-sosp2003.pdf
2. SmartX 分布式块存储 - 元数据篇
https://zhuanlan.zhihu.com/p/36138609
3. SmartX 分布式块存储 - 存储引擎篇
https://zhuanlan.zhihu.com/p/44250377
4. Boost 模式：SPDK vHost-user 实现 KVM Virtio 存储加速
https://mp.weixin.qq.com/s/NQpXZ59gIrHqPmkPVpHw8g
5. RDMA：基于 RoCE v2 加速存储数据同步
https://zhuanlan.zhihu.com/p/257228128
推荐阅读：
点击阅读原文，了解 SMTX ZBS 更多产品特性与技术实现亮点。