CN116303258A - 一种分布式存储系统哈希索引的构建方法和装置 - Google Patents

Abstract

本公开提供了一种分布式存储系统哈希索引的构建方法和装置，涉及人工智能领域，尤其涉及云计算、云存储和云数据库等技术领域，可应用在智能云场景下。具体实现方案为：创建用于存储内存数据对应的文件，并为所述文件构建对应的哈希索引；获取所述文件的信息类型；根据所述信息类型构建所述哈希索引的索引值。通过本公开可以提升存储系统的性能，提升云服务的竞争力。

Description

一种分布式存储系统哈希索引的构建方法和装置

技术领域

本公开涉及人工智能领域，尤其涉及云计算、云存储和云数据库等技术领域，可应用在智能云场景下，具体涉及一种分布式存储系统哈希索引的构建方法、装置、电子设备、存储介质及产品。

背景技术

分布式文件系统可以为用户提供安全、可扩展的文件存储服务，通过标准的文件访问协议，为云上的虚机、容器等计算资源提供无限扩展、高可靠、高性能的文件存储能力。

随着文件系统规模的扩大，分布式文件存储系统的性能要求也越来越高。

发明内容

本公开提供了一种分布式存储系统哈希索引的构建方法、装置、电子设备、存储介质及产品。

根据本公开的第一方面，提供了一种分布式存储系统哈希索引的构建方法，包括：

创建用于存储内存数据对应的文件，并为所述文件构建对应的哈希索引；获取所述文件的信息类型；根据所述信息类型构建所述哈希索引的索引值。

根据本公开的第二方面，提供了一种分布式存储系统哈希索引的构建装置，所述装置包括：

创建模块，用于创建用于存储内存数据对应的文件，并为所述文件构建对应的哈希索引；获取模块，用于获取所述文件的信息类型；构建模块，用于根据所述信息类型构建所述哈希索引的索引值。

根据本公开的第三方面，提供了一种电子设备，包括：

至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行第一方面或第二方面所述的方法。

根据本公开的第四方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行根据第一方面或第二方面所述的方法。

根据本公开的第五方面，提供了一种计算机产品，包括计算机程序，所述计算机程序在被处理器执行时实现根据第一方面或第二方面所述的方法。

应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。

附图说明

附图用于更好地理解本方案，不构成对本公开的限定。其中：

图1示出了本公开实施例提供的一种布式存储系统哈希索引的构建方法的流程示意图；

图2示出了本公开实施例提供的一种获取内存数据对应的文件的方法的流程示意图；

图3示出了本公开实施例提供的一种创建用于存储内存数据对应的文件的方法的流程示意图；

图4示出了本公开实施例提供的一种分布式存储系统哈希索引的构建装置的结构示意图；

图5示出了可以用来实施本公开的实施例的示例电子设备的示意性框图。

具体实施方式

以下结合附图对本公开的示范性实施例做出说明，其中包括本公开实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本公开的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。

分布式文件系统可以为用户提供安全、可扩展的文件存储服务，通过标准的文件访问协议，为云上的虚机、容器等计算资源提供无限扩展、高可靠、高性能的文件存储能力。随着文件系统规模的扩大，分布式文件存储系统的性能要求也越来越高，尤其是在数据查找过程中。

相关技术中，分布式存储系统的索引主要用于存储用户逻辑数据到物理数据的映射，一般索引的最小单位是4k，常见的索引结构是树形索引，例如日志结构化合并树(Log-Structured-Merge-Tree，LSM tree)，LSM tree是一种多级存储的方式，数据的访问可能在内存表(memtable)中，也可能在磁盘的N级排序字符串(Sorted String Table，SST)上。

但是相关技术中存在读放大的问题，并且在压缩(Compaction)数据文件的时候有写放大，磁盘利用率较低等问题。

根据上述技术问题，本公开提供一种布式存储系统哈希索引的构建方法和装置。通过为分布式存储系统的磁盘中的文件，构建相应的哈希索引，在保证存储系统高可靠、高可用的条件下，可以提升存储系统的性能，提升云服务的竞争力。

需要说明的是，本公开的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本公开的实施例能够以除了在这里图示或描述的那些以外的顺序实施。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。

图1示出了本公开实施例提供的一种布式存储系统哈希索引的构建方法的流程示意图，如图1中所示，该方法可以包括：

在步骤S110中，创建用于存储内存数据对应的文件，并为所述文件构建对应的哈希索引。

在本公开实施例中，分布式存储系统可用于存储图片、视频等非结构化数据对象，例如：Blob对象、定长块以及大文件。

本公开提供的实施例适用于单机存储和/或查询数据，当然也可用于其他场景中。

本实施例中，操作系统可以根据数据的映射关系，将内存数据映射写入文件中。进一步可以为每个文件构建对应的哈希索引。

在步骤S120中，获取所述文件的信息类型。

在本公开实施例中，将内存数据映射至对应的文件中，可以确定该文件的信息类型。其中，信息类型可以是属性信息、数据信息等类型。

在步骤S130中，根据所述信息类型构建所述哈希索引的索引值。

在本公开实施例中，根据文件的信息类型，对应为该文件构建相应的哈希索引的索引值。

通过本公开实施例提供的分布式存储系统哈希索引的构建方法，为内存数据构建文件，并将内存数据映射至对应的文件中，降低了数据序列化的开销。为分布式存储系统的磁盘中的文件，构建相应的哈希索引，在保证存储系统高可靠、高可用的条件下，可以提升存储系统的性能，提升云服务的竞争力。并且，通过哈希索引进行数据的访问，速度快，也没有额外的读写放大，极大提升了存储系统的性能。

在本公开中，可以为分布式存储系统中的每个副本数据所在文件构建对应的哈希索引。其中，相同的数据可以分布式存储与不同的存储设备中。

图2示出了本公开实施例提供的一种获取内存数据对应的文件的方法的流程示意图，如图2中所示，该方法可以包括：

在步骤S210中，获取分布式存储系统中内存数据的至少一个副本数据。

在步骤S220中，获取每个所述副本数据对应的切片数据所在的文件。

在本公开实施例中，同一内存数据可以分别存储与分布式存储系统中不同的存储设备中，每个存储设备中存储的内存数据为一个副本数据。

在本公开中，还可以将副本数据可以称为复制组。因此，分布式存储系统后端都由多个复制组组成。

在本实施例中，还可以获取每个副本数据对应的多个数据切片，从而在磁盘上获取每个数据切片对应的文件，从而为每个文件构建对应的哈希索引的索引值。

在本公开实施例中，可以针对每个文件构建哈希索引(<key,value>)，并且根据文件的信息类型为<key,value>赋值。

在本公开一种实施方式中，响应于所述信息类型为属性信息，将所述文件的索引节点作为所述哈希索引的密钥，将所述文件的属性作为所述哈希索引的索引值。其中，属性信息可以是文件的大小，存储内存数据的时间等属性信息。

进一步的，若信息类型为属性信息，key可以是哈希索引的索引节点<inode>，value是指向磁盘数据的指针。其中，索引节点用来存放档案及目录的基本信息，包含时间、档名、使用者及群组等。

在本公开另一种实施方式中，响应于所述信息类型为数据信息，将所述文件的索引节点及其数据偏移量作为所述哈希索引的密钥，将所述文件的存储名称作为所述哈希索引的索引值。其中，数据信息可以是内存数据的具体内容，例如，数据内容为ABCD，则数据信息则可以是ABCD。

进一步的，若信息类型为数据信息，key可以是hash<inode+extent_index>，inode为文件号，extent_index为数据的偏移，value存这部分数据的块名(blockid),这个blockid可以代表本地磁盘的偏移量(offset)，长度(length)，也可以为其他系统的一个存储id。

图3示出了本公开实施例提供的一种创建用于存储内存数据对应的文件的方法的流程示意图，如图3中所示，该方法可以包括：

在步骤S310中，根据所述内存数据申请存储空间。

在步骤S320中，创建文件，将存储空间中的数据映射至所述文件中，并将所述内存数据的相关元信息写入所述文件头信息。

在本公开实施例中，操作系统可以申请存储空间，从而控制磁盘打开相应的文件。然后通过初始化函数(例如memset函数)将某一块内存中的内容全部设置为指定的值，将内存数据映射至文件中。并把内存数据的相关元信息写入文件头。

在本公开实施例中，为内存数据对应的文件构建哈希索引后，可以根据哈希索引快速查找所需的内存数据。

本实施例中，可以根据哈希索引的索引值发起请求至分布式存储系统后端，从而访问哈希索引的索引表，从而查找磁盘中对应的内存数据。如果索引表存在请求中的索引值，则访问磁盘上的数据，如果索引表中不存在请求中的索引值则数据为空。

通过本实施例为内存数据对应的磁盘上的文件构建哈希索引，具有更好的读性能，没有额外的写放大，也消除了数据序列化的开销。

基于与图1中所示的方法相同的原理，图4示出了本公开实施例提供的一种分布式存储系统哈希索引的构建装置的结构示意图，如图4所示，该分布式存储系统哈希索引的构建装置400可以包括：

创建模块401，用于创建用于存储内存数据对应的文件，并为所述文件构建对应的哈希索引；获取模块402，用于获取所述文件的信息类型；构建模块403，用于根据所述信息类型构建所述哈希索引的索引值。

在本公开实施例中，所述获取模块402，用于获取分布式存储系统中内存数据的至少一个副本数据；获取每个所述副本数据对应的切片数据所在的文件。

在本公开实施例中，所述构建模块403，用于响应于所述信息类型为属性信息，将所述文件的索引节点作为所述哈希索引的密钥，将所述文件的属性作为所述哈希索引的索引值。

在本公开实施例中，所述构建模块403，用于响应于所述信息类型为数据信息，将所述文件的索引节点及其数据偏移量作为所述哈希索引的密钥，将所述文件的存储名称作为所述哈希索引的索引值。

在本公开实施例中，所述创建模块401，用于根据所述内存数据申请存储空间；创建文件，将存储空间中的数据映射至所述文件中，并将所述内存数据的相关元信息写入所述文件头信息。

在本公开实施例中，所述装置还包括查找模块404；

所述查找模块404，用于基于所述索引值，查找分布式存储系统中的内存数据。

根据本公开的实施例，本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。

示例性实施例中，电子设备，包括：至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行如以上实施例所述的方法。该电子设备可以是上述计算机或服务器。

示例性实施例中，可读存储介质可以是存储有计算机指令的非瞬时计算机可读存储介质，所述计算机指令用于使计算机执行根据以上实施例所述的方法。

示例性实施例中，计算机程序产品包括计算机程序，所述计算机程序在被处理器执行时实现根据以上实施例所述的方法。

本公开的技术方案中，所涉及的用户个人信息的获取，存储和应用等，均符合相关法律法规的规定，且不违背公序良俗。

根据本公开的实施例，本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。

图5示出了可以用来实施本公开的实施例的示例电子设备500的示意性框图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本公开的实现。

如图5所示，设备500包括计算单元501，其可以根据存储在只读存储器(ROM)502中的计算机程序或者从存储单元508加载到随机访问存储器(RAM)503中的计算机程序，来执行各种适当的动作和处理。在RAM 503中，还可存储设备500操作所需的各种程序和数据。计算单元501、ROM 502以及RAM 503通过总线504彼此相连。输入/输出(I/O)接口505也连接至总线504。

设备500中的多个部件连接至I/O接口505，包括：输入单元506，例如键盘、鼠标等；输出单元507，例如各种类型的显示器、扬声器等；存储单元508，例如磁盘、光盘等；以及通信单元509，例如网卡、调制解调器、无线通信收发机等。通信单元509允许设备500通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。

计算单元501可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元501的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元501执行上文所描述的各个方法和处理，例如分布式存储系统哈希索引的构建方法。例如，在一些实施例中，分布式存储系统哈希索引的构建方法可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元508。在一些实施例中，计算机程序的部分或者全部可以经由ROM 502和/或通信单元509而被载入和/或安装到设备500上。当计算机程序加载到RAM 503并由计算单元501执行时，可以执行上文描述的分布式存储系统哈希索引的构建方法的一个或多个步骤。备选地，在其他实施例中，计算单元501可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行分布式存储系统哈希索引的构建方法。

本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。

用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。

在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。

为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。

可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)和互联网。

计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，也可以为分布式系统的服务器，或者是结合了区块链的服务器。

应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本公开公开的技术方案所期望的结果，本文在此不进行限制。

上述具体实施方式，并不构成对本公开保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等，均应包含在本公开保护范围之内。

Claims (15)

1.一种分布式存储系统哈希索引的构建方法，包括：

创建用于存储内存数据对应的文件，并为所述文件构建对应的哈希索引；

获取所述文件的信息类型；

根据所述信息类型构建所述哈希索引的索引值。

2.根据权利要求1所述的方法，其中，所述获取内存数据对应的文件，包括：

获取分布式存储系统中内存数据的至少一个副本数据；

获取每个所述副本数据对应的切片数据所在的文件。

3.根据权利要求1所述的方法，其中，所述根据所述信息类型构建所述哈希索引的索引值，包括：

响应于所述信息类型为属性信息，将所述文件的索引节点作为所述哈希索引的密钥，将所述文件的属性作为所述哈希索引的索引值。

4.根据权利要求1所述的方法，其中，所述根据所述信息类型构建所述哈希索引的索引值，包括：

响应于所述信息类型为数据信息，将所述文件的索引节点及其数据偏移量作为所述哈希索引的密钥，将所述文件的存储名称作为所述哈希索引的索引值。

5.根据权利要求1所述的方法，其中，所述创建用于存储内存数据对应的文件，包括：

根据所述内存数据申请存储空间；

创建文件，将存储空间中的数据映射至所述文件中，并将所述内存数据的相关元信息写入所述文件头信息。

6.根据权利要求1所述的方法，其中，所述根据所述信息类型构建所述哈希索引的索引值之后，所述方法还包括：

基于所述索引值，查找分布式存储系统中的内存数据。

7.一种分布式存储系统哈希索引的构建装置，所述装置包括：

创建模块，用于创建用于存储内存数据对应的文件，并为所述文件构建对应的哈希索引；

获取模块，用于获取所述文件的信息类型；

构建模块，用于根据所述信息类型构建所述哈希索引的索引值。

8.根据权利要求7所述的装置，其中，所述获取模块，用于：

获取分布式存储系统中内存数据的至少一个副本数据；

获取每个所述副本数据对应的切片数据所在的文件。

9.根据权利要求7所述的装置，其中，所述构建模块，用于：

响应于所述信息类型为属性信息，将所述文件的索引节点作为所述哈希索引的密钥，将所述文件的属性作为所述哈希索引的索引值。

10.根据权利要求7所述的装置，其中，所述构建模块，用于：

响应于所述信息类型为数据信息，将所述文件的索引节点及其数据偏移量作为所述哈希索引的密钥，将所述文件的存储名称作为所述哈希索引的索引值。

11.根据权利要求7所述的装置，其中，所述创建模块，用于：

根据所述内存数据申请存储空间；

创建文件，将存储空间中的数据映射至所述文件中，并将所述内存数据的相关元信息写入所述文件头信息。

12.根据权利要求7所述的装置，其中，所述装置还包括查找模块；

所述查找模块，用于基于所述索引值，查找分布式存储系统中的内存数据。

13.一种电子设备，包括：

至少一个处理器；以及

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-6中任一项所述的方法。

14.一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行根据权利要求1-6中任一项所述的方法。

15.一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现根据权利要求1-6中任一项所述的方法。

Images