注冊 /
什么樣的商業存儲產品才能更適用區塊鏈存儲的應用？首先我們區先要分存儲系統。市場上的存儲系統有多種分類方法，常見的分類方式是按照架構和協議區分的。
從架構上分為Scale-up（縱向擴展）集中式和Scale-out（橫向擴展）分布式兩類。Scale-up架構受存儲控制器擴展數量限制，常見的多為2控或4控的產品，其IO性能及磁盤擴展能力受限于控制器的數量。Scale-up架構的混閃和全閃存磁盤陣列，適用于對延遲較敏感但對存儲容量和并發帶寬要求一般的中小規模數據存儲場景。相反，Scale-out架構存儲利用通用的以太網或高性能IB網絡技術，存儲節點（控制器）的數量可以從幾十個擴展到幾百甚至幾千個，其存儲性能和容量并不取決于單個存儲節點的能力，而是聚合集群中所有節點的資源。 分布式存儲系統就是Scale-Out架構最典型的產品形態。
存儲系統從協議上可分為塊、文件、對象等幾種類型。塊存儲為上層應用提供卷級裸設備存儲空間，存儲資源具有獨享性，延遲較低、單個卷的存儲空間一般不超過幾十個TB，適用于數據庫、虛擬化等典型應用場景；文件存儲為上層應用提供目錄級共享存儲空間，取決于不同的文件系統，單個目錄的空間大小可從TB到PB甚至EB級，適用于各類非結構化數據應用場景；與文件系統類似，對象存儲同樣為上層應用提供共享的存儲空間，用于非結構化數據存儲應用場景。
所以適合海量非結構化數據的存儲系統包括分布式文件和分布式對象兩類，但兩者在數據組織結構和訪問協議等方面存在顯著差異。由于海量非結構化數據應用場景非常多，對存儲系統的要求不同，具體選用哪種類型的存儲，還需要對分布式文件和對象進行更詳細的分析和對比。
成熟的分布式存儲系統會隨著業務場景的發展而不斷完善。從起源上來看，分布式文件和對象都是隨著大型互聯網公司業務的快速擴張同步發展起來的，旨在解決其海量非結構化數據所帶來的擴展性、可靠性和成本等瓶頸。
分布式文件系統的起源是Google于2003年發表的一篇論文《The Google File System》，其核心目標是設計一款具有高擴展能力和容錯能力的高性能文件系統。該系統可以運行在廉價的商用硬件上，為前端大量客戶端提供高性能、高可用的文件共享服務，解決海量非結構化數據的存儲問題。
業界是這樣定義分布式文件系統：基于一個單一并行文件系統組合多個存儲節點為存儲集群，為多個客戶端的并發高帶寬數據訪問提供單一命名空間存儲池。數據分散存儲到集群中的多個節點上，基于數據自愈技術為客戶端應用提供高可靠和高可用的數據服務，并可實現性能和容量的線性擴展。
分布式文件系統具有如下幾個顯著特性：
1、 高性能
分布式文件系統利用存儲集群中所有節點的處理和IO性能提供高帶寬并發數據訪問，成熟的商業產品聚合訪問帶寬高達TB級，可以支持數千甚至數萬節點的并發訪問。
2、 易擴展
分布式文件系統可以便捷地在集群中添加數據節點，實現存儲系統性能和容量的線性增加，存儲節點可以擴展至數百甚至數千個，存儲容量擴展至數百PB甚至EB級。
3、 高可靠、可用性
存儲系統不依賴于單個設備的可靠性，采用集群架構，確保系統中無單點故障；同時支持副本以及N+M糾刪碼等數據保護技術，確保數據可用性；存儲系統具有一定的硬件故障與數據故障的冗余自愈能力。
4、 高性價比
存儲節點基于工業標準商用服務器，硬件的成本大幅降低。
5、 開放兼容性
提供NAS、FTP、HTTP等通用文件共享訪問協議。
分布式對象存儲系統定義如下：以對象結構來存儲數據的存儲系統，前端服務器客戶端通過協議（例如HTTP）或者API接口（例如S3、Swift）進行訪問。從概念上來說，對象與文件一樣，都包括內容和元數據。與文件相比，對象通常支持更豐富的元數據，用戶或應用可為對象設置用于管理、數據挖掘和數據遷移的元數據屬性。
與分布式文件一樣，分布式對象同樣采用Scale-out分布式集群架構，具有易擴展、高可靠和高性價比等優勢，其與文件系統在使用上的不同主要體現在如下幾個方面：
1、支持的存儲訪問協議不同
分布式對象采用更加專用的協議（比如HTTP）或者API接口（例如S3或是Swift）進行訪問，相比通用的NAS文件協議，需要前端應用做針對性的適配和接口定制開發。
2、支持的數據讀寫模式不同
與文件系統不同，分布式對象不支持數據的隨機讀取和寫入，僅可針對整個文件做put或是get操作，這種模式基本把分布式對象限定在有限的數據寫入后，有限的讀取、極少修改的應用場景，例如互聯網的云盤、備份歸檔以及法規遵從等溫冷數據應用場景。
3、數據結構不同
文件采用樹形目錄結構，可以滿足應用多級目錄嵌套使用模式，但是隨著嵌套層次和文件數量的增加，讀取和存儲數據時需要更長訪問路徑，當訪問的文件過小時，單個文件訪問性能受影響較大。
對象采用扁平目錄結構，不支持多層嵌套的數據組織結構，只保留二級或是三級目錄結構，只需要一個ID就能直接獲取對象，這種數據結構在千億級別海量小文件應用場景中會體現出一定的性能優勢。
另外，對象目錄結構更容易支持元數據定制，對象存儲非常適合于與對象有關聯性元數據的應用場景，對象存儲允許為一個對象設置唯一的元數據屬性，基于該元數據信息，可以從一個海量非結構化數據卷中快速的定位與讀取該對象。
技術的發展并不是互相割裂、一成不變的，而是在相互借鑒中共同促進和發展。在分布式對象中應用比較廣的N+M糾刪碼技術已成為分布式文件系統的標配，跨地域部署和數據容災等功能也被越來越多成熟的分布式文件系統所支持。分布式文件系統利用高速SSD存儲介質、元數據集群和小文件聚合等技術，支持的文件系統規模從十億級向千億級邁進，小文件訪問性能提升明顯；分布式對象也在利用高速SSD存儲介質，進一步提升數據讀取性能，從冷數據逐步向溫、熱數據應用場景推進。
分布式文件和對象的技術差異在逐步縮小。分布式文件由于其支持隨機讀寫模式、協議的廣泛兼容性、類似本地硬盤的展現形式更符合用戶的使用習慣，在商業市場下有著普及性和大規模的應用案例，應用成熟度非常高。開源文件系統有Lustre、Gluster、BeeGFS和Ceph等，國內外專業存儲廠商均開發了成熟的商用存儲產品。分布式對象受限于一寫多讀數據訪問模式、專用的接口協議、扁平化的數據組織架構，其適用的應用場景遠不如文件系統廣泛。規模化的應用僅集中在有能力深度定制優化和開發的有限互聯網場景中，比如Facebook自研的用于海量圖片存儲的HeyStack、Amazon研制的支撐其云業務的S3等。從技術實現層面而言，分布式對象的實現難度較低，開源產品有Ceph、Swift、Minio等，主要應用場景歸納如下：1、結合云應用提供業務數據的備份歸檔存儲；2、金融證券、醫療等行業應用的法規遵從性文件的歸檔。另外商用的對象存儲應用多以小規模、冷數據等限制性場景為主，對于數據寫入和讀取的實時效率要求并不高。
去中心化存儲系統的“成色”由存儲規模、數據IO性能、可靠性、在線擴容時間、數據重建影響等幾個要素直接決定，具備大規模部署案例的分布式存儲產品才能夠經得起此類應用長期的考驗。
從區塊鏈IPFS實際應用的技術需求來看：1、采用分布式對象存儲意味著應用需要根據存儲廠商對象接口API或SDK單獨開發與維護。當前去中心化存儲應用中，上層軟件多樣且迭代速度較快，已有軟件環境也存在著頻繁強制升級的現狀，任何上層軟件的變更都可能導致對象接口的迭代完善甚至重新開發，工作量巨大，運維成本急劇增加。2、行業內大部分分布式對象系統是基于開源Ceph構建，以Ceph為代表的對象存儲系統一般僅支持基于連接數的負載均衡策略，而商業全自研的文件系統可支持基于連接數、存儲容量、節點負載等多維度的存儲負載均衡，在多并發、存儲性能異常時，可根據實際場景選擇更優的負載均衡模式，以提升存儲效率。3、實際應用中1個扇區（Sector）文件大小是32GB。對象存儲單次put上傳的對象最大為5GB，對于32GB文件，對象存儲系統必須在客戶端上拆分成多段（如4個單獨8GB）后，再進行并發傳輸；多個分段上傳至存儲系統后，再次合并成最終的Sector。多個Sector合并過程勢必會對存儲性能和數據抽取時間有較大影響，直接會影響Winning PoST完成時間，從而降低出塊效率。4、扇區文件（Sector）和扇區索引文件（Sector Cache）存在關聯性，若采用優化手段增強其關聯性，則會極大提升存儲性能。對象存儲需要多個桶分別存儲扇區文件和扇區索引文件，一般需要通過人為設置桶的屬性及大量桶之間的關聯綁定。業務數據量增長迅速，額外的設置與調整，同樣給業務運行及系統運維造成極大影響，這在實際應用中也是很難完成的。
綜上分析，基于應用當前需求和特點，Filecoin的存儲系統更適合采用成熟的分布式文件系統構建。另外，同時支持文件、對象、塊協議的分布式統一存儲將成為發展趨勢，也為去中心化存儲未來的多模式應用提供了技術可行性。
最后，筆者認為在選擇合作的存儲廠商時，首先，應關注其是否有專業的存儲研發團隊和完善的技術服務體系；其次，應具備超大規模系統部署和運維經驗、快速應用適配定制和深度優化實力；最后，有著長遠的分布式存儲產品發展規劃和資源投入。這樣的存儲廠商才能幫助用戶搭建長期可靠的數據存儲環境，支持去中心化存儲市場和應用的快速發展與普及。
