CN103152377B - 一种面向ftp服务的数据访问方法 - Google Patents

Abstract

本发明涉及通信技术领域，提供了一种面向ftp服务的数据访问方法，所述方法为：使用实现分级存储功能的集群作为ftp服务器数据的存储平台。本发明提供的面向ftp服务的数据访问方法，其存储能力强，访问性能好，且部署简单，成本低。

Description

一种面向ftp服务的数据访问方法

技术领域

本发明涉及通信技术领域，特别是涉及一种面向ftp服务的数据访问方法。

背景技术

FTP(FileTransferProtocol，文件传输协议)是用于在网络上进行文件传输的一套标准协议，属于网络传输协议中的应用层。通过FTP协议，文件可以从一个主机被复制到另一个主机。FTP通常使用C/S(客户端/服务器)架构，客户端可以给服务器发命令要求上传或下载文件，达到文件的共享。

FTP可以操作任何类型的文件而不需要进一步处理，能向用户屏蔽不同主机中存储系统的区别，但是其有很高的访问延迟，即从用户发送请求到第一次接受到需要的数据需要较长时间。同时，ftp提供匿名服务，即客户端不需要特定的用户名与密码登陆，获取相应权限，而是使用通用的用户名(anonymous)与任意字符串形成的密码(通常为邮箱地址)进行登录。这就使得互联网上可能有数不清的主机来访问提供匿名ftp服务的服务器上的共享文件，同一时刻可能有很多用户发送请求，大大增加了服务器的负担，并发访问的情形就会时有发生，典型的情况是：一个免费的软件发布的时候。这种多用户访问造成的延迟，会大大增加ftp服务器对客户端请求的响应时间，使得服务质量下降，因此尽可能的降低访问延迟，提高服务质量就成了ftp服务提供者重点考虑的问题之一。

为降低访问延迟，服务器端存储数据的方式应该慎重选择。目前的存储架构主要分三类：直连式存储(DAS，Direct-AttachedStorage)，网络附加存储(NAS，NetworkAttachedStorage)，存储区域网络(SAN，StorageAreaNetwork)。直连式存储(DAS)使用总线将存储设备和服务器相连，所有的存储服务均由服务器解决。网络附加存储(NAS)将存储设备直接附加在网络上，并用IP地址标识，客户端可直接对存储设备进行访问。存储区域网络(SAN)的存储设备相互连接并通过高速的光纤传输介质，共同为一台或多台服务器提供存储服务，只有服务器才能对存储设备进行访问，客户端的数据传输必须通过服务器验证，然后从服务器上获取数据。这三种存储架构各自的适用范围及其缺陷如下：

(1)直连式存储(DAS)：

由于总线上能够挂载的存储设备数目有限，存储容量扩展能力有限；同时由于其带宽消耗过于集中，仅能同时处理少量用户的访问请求；一旦服务器出现故障，服务就会停止。而如果采用多个这样的服务器，则数据的备份与恢复过程又要耗费服务器的资源，更加不利于服务器处理客户端请求的高效性，且服务器的维护成本也会很高。因此，这种存储架构仅适合于存储少量数据，满足少量用户需求的小规模ftp服务。

(2)网络附加存储(NAS)：

因用户可直接访问存储设备，多部署于中小企业或家庭内部的局域网，用于文件的共享，但是数据访问速度受限于局域网的网速。这种存储架构适合于内网中的文件共享。

(3)存储区域网络(SAN)：

禁止客户直接访问存储设备，有效避免了客户的恶意行为。对于多用户并发访问的情形，增加相应服务器的数目就可以均衡负载。SAN内部使用各种不同的存储设备(磁盘阵列、磁带库等)完成数据的存储和备份，外加其使用光纤网络与服务器连接，拥有很强的网络传输能力。但是光纤通道的交换机和网卡价格昂贵，需要安装专用的存储管理软件等，部署相当复杂。

ftp服务主要是在互联网上共享信息，不可能所有的ftp服务都在局域网中进行，这样也不符合互联网的开放性原则，亦即ftp需对外提供服务，而其服务的用户数可能成千上万。因此，存储扩展能力差、管理成本高的直连式存储(DAS)和仅适用于局域网内部的网络附加存储(NAS)，均不满足其要求，存储区域网络(SAN)可以满足其性能需求，但是成本太高。

综上所述，当前用于存储ftp数据的存储方式，要么存储能力和数据传输能力不足，要么不满足安全需求，要么性能要求都能满足但价格昂贵。因此，如何提供一种满足存储能力、数据传输能力、安全需求，并且价格低、部署简单的面向ftp服务的存储方式，是目前亟待解决的问题。

发明内容

本发明针对现有技术的上述缺陷，提供一种面向ftp服务的数据访问方法，存储能力强，访问性能好，且部署简单，成本低。

本发明采用如下技术方案：

本发明提供了一种面向ftp服务的数据访问方法，所述方法为：

使用实现分级存储功能的集群作为ftp服务器数据的存储平台。

优选地，所述集群通过如下步骤实现分级存储功能：

存储自动分级：集群启动，根据主机名将各个节点划分为不同的存储层次；

定向存取：选择距离近、存储层次高的空闲节点存储和读取文件；

监控数据访问操作：记录文件访问信息，并判断迁移时机是否到来，若迁移时机到来，则执行下述操作；

数据估值：根据访问记录，使用信息估值模型对数据进行估值；

数据迁移：根据所述数据的估值结果，判断数据的位置是否满足数据越热存储层次越高的特点，若不满足，则进行数据迁移，使得数据的位置满足数据越热存储层次越高的特点；

自适应调整：数据迁移完成后，根据迁移结果更新相关信息，重新启动监控。

优选地，在存储自动分级时，所述存储层次至少包括2级，存储层次的划分标准为：存储层次越高，访问性能越好，处理用户请求的响应时间越短。

优选地，所述信息估值模型中所用到的模型的建立方法为：

利用搜集到的文件访问记录进行建模，计算出一个反映数据热度的数值，所述数值越大，说明所述数值对应的数据以后的访问概率就越大。

优选地，在数据迁移时，通过队列过滤模型和路径匹配模型，在信息估值模型处理后得到的数值队列的基础上，形成具体的数据迁移任务，利用迁移控制模型完成数据迁移。

优选地，所述队列过滤模型为：根据阈值过滤掉不需要迁移的数据分段，所述阈值反映了本存储层次上前一次的迁移结果，过滤后形成的队列中所有数据分段都已经确定迁移方向，所述迁移方向为全相连模式。

优选地，所述路径匹配模型为：在队列中所有数据分段都确定了迁移方向后，如果系统中该数据分段有多个副本，确定距离较近的迁移源和迁移目标，迁移源优先选择剩余空间较少、负载轻的节点，迁移目标优先选择负载轻的节点。

优选地，所述迁移控制模型为：进行迁移速率控制，使用多线程分批次执行所述数据迁移任务，降低迁移过程对集群中节点访问性能的影响。

优选地，所述根据迁移结果更新相关信息，重新启动监控的步骤具体为：

存储数据的估值结果，以备下一次估值时使用；

对于已经被删除的数据，在系统所保留的访问记录中删除；

根据迁移的实际情况进行各存储层次的阈值更新；

唤醒监视进程，等待下一次数据迁移的到来。

本发明具有以下有益效果：

1.容易部署：关于集群的部署，在教程的指导下，非专业人士也能很快学会。

2.硬件成本低：本发明无需非常专业的高性能服务器，普通的PC机也可胜任，只需保证其能够安装多个不同类型的硬盘即可，如SSD硬盘、SAS硬盘、SATA硬盘等。

3.性价比高：利用分级存储技术，使得集群的访问性能接近于全部部署SSD硬盘的情形，而存储能力与成本接近于全部部署SATA硬盘的情形，使系统存储能力强，相比采用没有实现分级存储功能的集群，其访问延迟时间短，因此访问性能好，且成本低，安全性高。

附图说明

图1为本发明实施例一种面向ftp服务的数据访问方法流程图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

本发明使用实现分级存储功能的集群作为ftp服务器数据的存储平台，建立多层次存储架构，使得ftp服务中能够使用层次存储介质进行合理的数据调度，实现数据在各层存储介质间透明迁移，且不影响系统的服务质量，使系统的存储能力强，访问性能较高而成本较低。

本发明实施例提供了一种面向ftp服务的数据访问方法。请参阅图1所示，为本发明实施例一种面向ftp服务的数据访问方法流程图。该方法为：

步骤S1：使用实现分级存储功能的集群作为ftp服务器数据的存储平台。

本实施例中，使用实现分级存储功能的hadoop集群作为ftp服务器数据的存储平台，hadoop集群通过后续步骤实现分级存储功能。

hadoop集群扩展能力强，可以实现在线扩容，存储能力强大；视频服务器访问数据时，可以直接与集群中存储数据的节点进行通信，带宽消耗相对分散，数据传输能力相对较强；通过访问控制，可以隔绝视频用户对集群的直接访问，采用了一种类似SAN的架构，能够满足安全的需求。但因为hadoop集群与视频服务器的连接没有使用光纤网络，集群与视频服务器之间的数据传输速度相对较低，为此，本实施例在hadoop集群中实现了分级存储技术，使得最快的网络与最好的硬盘都用于存储访问频繁的“热”数据，而一般的网络和一般的硬盘用于存储访问较少的“冷”数据。通过本实施例提供的方法，能够用较低的成本获取最佳的网络传输性能。

当然，本发明提供的面向ftp服务的数据访问方法不限于使用实现分级存储功能的hadoop集群作为ftp服务器数据的存储平台，其他实现分级存储功能的集群也可以应用于本发明中，作为ftp服务器数据的存储平台，改善其存储能力，提高其访问性能。

步骤S2：存储自动分级。

本步骤中，集群启动，根据主机名将各个节点划分为不同的存储层次。存储层次至少包括2级，其划分标准为：存储层次越高，访问性能越好，处理用户请求的响应时间越短。本实施例在hadoop集群启动时，通过“主机名标识法”(也即分级依据)，系统可自动识别每个节点的访问性能。如主机名中含有“high”，则访问性能最好，列为一级存储；含有“middle”，则访问性能适中，列为二级存储；含有“low”，列为三级存储。系统将所有的节点分成这3个存储层次，存储层次越高，访问性能越好。必要时，存储层次高的节点还可以配以更快的网络、CPU等。本实施例最多可实现三层存储，同时可以兼容二层存储，分级存储系统与HDFS(HadoopDistributedFileSystem，hadoop分布式文件系统)完全融合，实现无缝连接，无需专门的分级存储管理软件，且分级存储系统仅运行于名称节点之上，无需从数据节点获取数据访问信息。

步骤S3：定向存取。

本步骤中，选择距离近、存储层次高的空闲节点存储和读取文件。

在hadoop集群中存储文件时，将文件划分为固定大小的块，存放于集群中的各个节点上，同时文件会有多个备份，保证容错，例如拷贝3个副本，存放在3个不同的数据节点上。

在hadoop集群中读取文件时，按块读取，客户端首先从名称节点获取数据块的位置，然后直接与相应的数据节点进行数据传输。数据块通常有多个存储位置，优先考虑距离近、存储层次高的空闲节点，以缩短数据传输时间。

步骤S4：监控数据访问操作。

本步骤中，记录文件访问信息，并判断迁移时机是否到来，若迁移时机到来，则执行下述操作。具体地，hadoop集群中客户端对文件的读取是以块为单位的，系统把块的每次读取操作都记录下来，记录的内容包括：访问用户、访问时间、块信息等，每读取一次系统就会生成一条记录。根据迁移的周期判断迁移时机是否到来，当迁移周期到来时，说明迁移时机到来，此时需执行下述操作，进行数据估值。其中，迁移周期可以是系统设置的一固定的迁移周期。

步骤S5：数据估值。

本步骤中，根据访问记录，使用信息估值模型对数据进行估值，从而找到用户频繁访问的数据集。信息估值模型中所用到的模型的建立方法是：利用搜集到的文件访问记录进行建模，计算出一个反映数据热度的数值，该数值越大，说明该数值对应的数据以后的访问概率就越大，表明该数据为“热”数据。

本实施例中，hadoop集群中的节点被分为3个不同的存储层次，存储层次越高，配置的硬盘访问性能越好，容量越小，价格也越贵。因此只能有少量的数据存放在存储层次最高的节点上。通常情况下，一个集群中的所有数据中只有少量数据被频繁访问。我们通过记录文件的访问信息，通过信息估值模型处理这些信息，得出一个数值，该数值越大，代表该数据访问越频繁，存储层次就该越高。在特定时刻，使用信息估值模型处理搜集到的文件访问记录，进行建模，，模型的处理对象是块，用到的参数有：访问时间、访问次数、用户数量、块的大小、块与其他块的关联度、块的历史值(块的历史值指的是该数据块上一次估值的结果)等，利用公式计算出特定的值，来衡量块的“热”度，并按照数值从高到低形成队列。

本实施例的信息估值模型专门针对HDFS的数据块特点，充分考虑到HDFS“一写多读”的情形。块关联度的计算时，对于不同文件下的数据块区别对待；充分利用了块的历史价值，有效减缓突发访问带来的抖动。

步骤S6：数据迁移。

本步骤中，根据步骤S5中数据的估值结果，判断数据的位置是否满足“数据越热存储层次越高”的特点，若不满足，则进行数据迁移，使得数据的位置满足“数据越热存储层次越高”的特点。

本实施例中，通过队列过滤模型和路径匹配模型，在信息估值模型处理后得到的数值队列的基础上，形成具体的数据迁移任务，利用迁移控制模型完成数据迁移，按照“热”高“冷”低的原则，使得访问越频繁的数据，其所在的存储层次越高，从而确保大多数的读取数据操作都在存储层次高的节点上进行。

其中，队列过滤模型为：根据阈值过滤掉不需要迁移的数据分段(也即hadoop集群中的数据块)，阈值反映了本存储层次上前一次的迁移结果，过滤后形成的队列中所有数据分段都已经确定迁移方向，迁移方向为全相连模式，即任何两个存储层次间都可以进行数据迁移，在三级存储模型中，有6种不同的迁移方向。通过此次过滤，使迁移的块尽可能少。本实施例利用阈值来过滤数据块，有效减少了迁移数据量，满足了三个存储级之间数据的双向迁移。

路径匹配模型为：在队列中所有数据分段都确定了迁移方向后，如果系统中该数据分段有多个副本，确定距离较近的迁移源和迁移目标，迁移源优先选择剩余空间较少、负载轻的节点，迁移目标优先选择负载轻的节点。本实施例充分考虑到数据块存储位置有多个的情况，选择迁移源与迁移目标时考虑到了两者的剩余空间和距离，尽量缩短迁移时间。

迁移控制模型为：进行迁移速率控制，使用多线程分批次执行所述数据迁移任务，降低迁移过程对集群中节点访问性能的影响。多线程是指使用线程池的方法并发执行迁移任务，每个具体的迁移任务是指两个节点间的某数据分段置换的过程；分批次执行数据迁移任务按如下步骤进行：

A、限定集群中同一时刻用于迁移的线程数，使得迁移只在集群的局部范围内发生，减少对集群整体服务质量的影响；

B、限定节点上同一时刻用于迁移的线程数，使得节点仅有少量的资源用于迁移，减少对该节点所能提供服务质量的影响。

本实施例中，数据迁移的方向有多个，不存在数据回迁问题，能适应多种情况下的数据访问。迁移时，通过“模拟迁移”，适当调整迁移顺序，防止真实迁移过程中的异常；实行分批次迁移，每次迁移的总线程数不超过50个；进行节点迁移限制，每个节点同一时刻用于迁移的线程数不超过5个。通过这种小规模、连续的迁移方式，使得迁移的速率适应了集群负载的变化，尽可能的减少迁移带来的性能损失。

步骤S7：自适应调整。

本步骤中，数据迁移完成后，根据迁移结果更新相关信息，重新启动监控。本实施例中，在数据迁移完成后，存储数据的估值结果，以备下一次估值时使用；对于已经被删除的数据，在系统所保留的访问记录中删除；根据迁移的实际情况进行各存储层次的阈值更新；上述步骤完成后，唤醒监视进程，等待下一次数据迁移的到来。

在步骤S7之后，返回执行步骤S3，数据调度的过程循环进行。

本实施例在ftp服务中进行数据访问时，使用实现分级存储功能的集群作为ftp服务器数据的存储平台，其存储能力强，访问性能好，且部署简单，成本低。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (3)

1.一种面向ftp服务的数据访问方法，其特征在于，所述方法为：

使用实现分级存储功能的hadoop集群作为ftp服务器数据的存储平台；

所述hadoop集群通过如下步骤实现分级存储功能：

存储自动分级：hadoop集群启动，根据主机名将各个节点划分为不同的存储层次；

定向存取：选择距离近、存储层次高的空闲节点存储和读取文件；

监控数据访问操作：记录文件访问信息，并判断迁移时机是否到来，若迁移时机到来，则执行下述操作；

数据估值：根据访问记录，使用信息估值模型对数据进行估值；所述信息估值模型中所用到的模型的建立方法为：利用搜集到的文件访问记录进行建模，计算出一个反映数据热度的数值，所述数值越大，说明所述数值对应的数据以后的访问概率就越大；

数据迁移：根据所述数据的估值结果，判断数据的位置是否满足数据越热存储层次越高的特点，若不满足，则进行数据迁移，使得数据的位置满足数据越热存储层次越高的特点；在数据迁移时，通过队列过滤模型和路径匹配模型，在信息估值模型处理后得到的数值队列的基础上，形成具体的数据迁移任务，利用迁移控制模型完成数据迁移；所述队列过滤模型为：根据阈值过滤掉不需要迁移的数据分段，所述阈值反映了本存储层次上前一次的迁移结果，过滤后形成的队列中所有数据分段都已经确定迁移方向，所述迁移方向为全相连模式；所述路径匹配模型为：在队列中所有数据分段都确定了迁移方向后，如果系统中该数据分段有多个副本，确定距离较近的迁移源和迁移目标，迁移源优先选择剩余空间较少、负载轻的节点，迁移目标优先选择负载轻的节点；所述迁移控制模型为：进行迁移速率控制，使用多线程分批次执行所述数据迁移任务，降低迁移过程对集群中节点访问性能的影响；

自适应调整：数据迁移完成后，根据迁移结果更新相关信息，重新启动监控。

2.根据权利要求1所述的面向ftp服务的数据访问方法，其特征在于，在存储自动分级时，所述存储层次至少包括2级，存储层次的划分标准为：存储层次越高，访问性能越好，处理用户请求的响应时间越短。

3.根据权利要求1所述的面向ftp服务的数据访问方法，其特征在于，所述根据迁移结果更新相关信息，重新启动监控的步骤具体为：

存储数据的估值结果，以备下一次估值时使用；

对于已经被删除的数据，在系统所保留的访问记录中删除；

根据迁移的实际情况进行各存储层次的阈值更新；

唤醒监视进程，等待下一次数据迁移的到来。