Note: Bigtable, A Distributed Storage System for Structured Data

Abstract Introduction::
  Bigtable设计主旨：可扩地扩展到pByte级别和数千台机器的系统， 通用、可伸缩、高性能、高可用性。
  不实现完整的关系数据模型，而是支持一个可以动态控制，允许用户自解释数据属性；
  用户甚至可以指定数据（使用时）是存在内存中还是磁盘中；
  支持row级别的事务处理；不支持跨行事务；；

2. Data model
数据模型：三位数据模型： row、column、timestamp。
row：即数据的key，是任意字符串（其实不一定要求是“字符”），特点有：
   1） 字典序排序；
   2） 排序后一段范围内的key集合称为tablet，它是分布式存储和负载均衡的基本单位（这是个重要概念）；
column：格式为family：qualifier，列的分组称为column familly，它是访问控制的基本单位；特点有：
  1）很少变化、数量无限扩展；
  2）同一个family的数据类型应该基本相同，因为同一个family数据会一起压缩并存储；
timestamp：使用版本号的概念更合适，因为它除了是时间外，也可以是任何client指定的64bit数据。
  1）降序排序，确保最新的数据优先读取；
  2）可指定保留几份版本数据，或者指定保留某个时间段内的数据；超出限定的数据将被垃圾回收器（GC）自动回收；

3.API
基本api：1.基于row的读写；2基于row range的迭代读写；

4. Build Blocks
1） Bigtable使用的事GFS分布式文件系统；
2）SSTable的文件格式：提供持久化、有序、不可变的k-v映射存储。支持单独查找一个k-v，以及基于范围的迭代访问k-v。它的内部以64KB（可配置）为单位存储数据，并在文件的最后存放block的索引数据；当SSTable文件打开时，block index会加载到内存中，使用二分查找对应的block。

3）强依赖于高可用的Chobby系统：确保master可用；存储表的位置信息的根结点位置；发现和处理tablet server是否可用；存储schema数据；存储acl；
各组件链接关系(tablet location其实是在server中的某些tablets，但它逻辑上和chobby更紧密些，画一起更简洁明了）：

5. Implementation
1）系统组件：
  a）client library：
   直接链接tablet server读写数据；所以master负载应该是很低的；
  b) master server:
    负责分配tablet到tablet server，检测tablet server是否可用；tablet server负载均衡； GC管理；元数据变更处理；
  c) tablet server
    tablet server以cluster的形式组织起来，可以动态的加入或退出cluster；
    每个tablet server管理多个tablet（数千个），负责tablet的读写；当一个tablet过大时，负责分裂成两个；
数据组织的逻辑结构：包含关系：Bittabe cluster->n-table->n-tablet->n-sstable->n-block;

组件间的连接关系：clinter->tablet server;  tablet server –>master；tablet是可以放在任何server上的，这个对应关系保存在tablet Location中，由master负责维护。这样当一台server故障时，tablet可以转移到其他server上。
特别注意：像mysql的复制功能，gibtable只字不提，这是因为备份时GFS天然支持的！

5.1 Tablet location
1）当client要查找一个key对应的值时，它要链接tablet server，然后找到对应的tablet中的数据，所以就需要一个tablet定位过程；这就需要一个tablet location的组件。
2）tablet location组件由分布式的三级B+数结构存储（别忘了tablet就是key字典序中的一个range，所以用B+树是很合适的，key就是天然的索引）；这些数据也存在某些独立的tablet中；每个tablet的相关信息组织在约1kB大小的metadata中；用户通过key为索引就可以通过三次查找找到key所在的tablet的位置信息。位置信息中包含tablet所在的tablet server的地址，然后client就可以链接tablet server去读取key-value了。
  a）Chobby-Root tablet：第一级B+树，也就是root节点，限制其不可分裂；当client第一次访问bigtable，它到chubby中读取root节点的tablet server的地址（这里，chobby充当了一个配置服务器的角色）；
  b）由于B+树每个节点限制为128M，而每个metadata为1K，所以一个节点能存储128M/1K=2*17个metadata；又由于第一、第二级数节点只存贮对应对应key range的首个metadata，所以三级B+树最多能存储2**17（root级）*（2**17（第二级））=2**34个tablet的地址；而每个tablet平局128数据，所以至少可以存储2**61B数据。（事实上，tablet的大小没有限制，所以理论上可以存储无限大的数据）
  c) 为了减少chobby、root的访问量，这里有一个权衡：当tablet地址变化时，client访问user tablle产生miss，此时client不能直接跳到根节点开始找（否则root负载太大），而是只能从user table往树根一级一级往上找；最坏情况是一直找到chobby，然后有从chobby往叶子节点找，总共需要6次网络访问：user table->other metadata->root->chobby->root->other metadata（此时已经找到tablet的位置，下一步连接user table就不属于定位操作了）; 首次访问需要3次网络访问：chobby->root>other metadata;
  d) 位置信息都是缓存在client端的，并且应该很少变化，所以不会成为瓶颈；

5.2 tablet assignment
1) 每个tablet仅分配给一个tablet server，master跟踪已分配和未分配的tablet；所以，master可以控制不同tablet server间的tablet数量，从而根据各种策略做负载均衡；（注意，master跟踪的事tablet而不是tablet server；
2) table server管理是通过chobby实现高可用的。每个server起来后，向chobby的某个固定目录注册一个（文件和一个文件的lock，lock是与session关联）；
3）master检测这个目录下文件的变化，如果一个server网络故障或挂了，master获取对应文件的lock，然后删除文件，并把这个故障的server占用的tablet分配给其他的server；由于文件被删除了，即使那个故障的server自己恢复了，也不能直接加入，而是只能初始化自己，重新加入系统中；
4）这里由于机器数量巨大，需要特别注意减少网络负载：lock 和file并存就是为了做到即减少网络负载，又能避免短时间的网络问题导致的系统震荡。lock的作用就是提供了一个缓冲的时间段，例如server网络故障，丢失了lock，但很快自己恢复了，如果此时master还没有发现（没有占用的这个lock），server自己获取到了lock，就恢复了正常服务（像什么也没发生）。
5）如果master丢失了自己的lock，它直接“自杀”；由于client是不依赖master的，所以系统还能工作（少部分功能失效）；新的master：
  a）获取到了chobby上的“master lock”；
  b）扫面chobby上的server 列表信息
  c）扫面所有的server，获取已分配的tablet的分配信息；
  d）扫面metadata表，以获取各个server的对应的tablet（这样就能知道对应server上还有那些tablet没有分配了）；
然后，master就可以正常工作了；
6）tablet变更有创建、删除、分裂三种方式；前两种方式必须经过master分配；分裂的形式，由server在分裂后，提交到metadata，然后通知master；

5.3 Tablet serving

1)tablet是不可以修改的，只能创建时写入，或删除；
2）memtable：所有的更新，先写redo log成功后，才更新到memtable中；memtable是一个在内存中的缓冲区（不是完整的tablet缓冲）；
3）读操作需要合并memtable和磁盘中的old tablet，才能得到最新的内容；
4）恢复tablet时，从metadata中读取tablet以及它的redo point，然后恢复redo log；
5） 写的步骤：
  a）check well-formed；
  b）authorized；
  c）log；
  d）insert into memtable；
  e）memtable达到一定阈值，创建新的memtable，然后直接将老得memtable转换为sstable并写到GFS；注意，不是合并到old tablet；
  f）有两个合并tablet的后台进程负责合并memtable产生的tablet；
6）读的步骤：
  a）check
  b）authorized；
  c）合并memtable+一系列由memtable产生的tablet+old tablet；
7）删除tablet操作只是在metadata中记录一个删除标志，由后台进程负责真正的删除工作；

6 Refinements
1）locality groups
  a）locality group是客户端制定的特定列集合，以保存在一个独立的sstable文件中；这样当要读取这些列时，就不需要读取整个row；
  b）可以指定这些locality gropu对应的内容缓存在内存中；
2）compression
  a）两段压缩，先用长窗口的压缩算法，再用短窗口的压缩算法；
  b）client端自定义压缩算法，
  c）基于block的压缩，这样取一个block就不需要把其他block的内容读出来了；空间换时间；
  d）将内容类型相同的列放到一个locality group中集中存储有利于提高压缩比；
3）caching
  两级缓存机制
  a）第一级是基于面向用户k-v的缓存，对重复访问key最有效；
  b）第二级是面向GFS的block的缓存，对于访问邻近的数据特别有效；
4）bloom filter
  client自定义一个filter，告诉系统一个locality group（sstable）中是否含有对应的row/col对的信息；
：：这点说得太简单了，不知道怎么实现的：） 但文中说有时很有效；
5）commit-log
  a）一个tablet server共用一个commit log文件，每条记录包含（table，row，log sequence number）作为key；
  b）恢复时将log文件以64M为单位由master分配给不同server分别排序，负责恢复tablet的server到不同的排序server上取对应tablet的log；
6）speeding up tablet recovery
  当master移动一个tablet到另一台server，步骤：
  a）压缩tablet；
  b）停止服务；
  c）第二次压缩（从第一次压缩点到停止服务点的增量数据；
  d）传输到新server上并解压；
  e）恢复服务；
7）exploiting immutability
由于sstable是不能更新的，可以有效应用copy on write技术；

7 performance evaluation
1) 每行数据量小时，sstable的block应使用较小的值；
2）下面的图够明确了

8.Real application， 有做广告的嫌疑。。

9. Lessons
1)  故障是多种多样的；
2）新特性要按需加，而不是为了使其“更完美”；
3）系统级的监控很重要；
4）设计简单化，使用更成熟可靠的技术；

Note: Bigtable, A Distributed Storage System for Structured Data,码迷,mamicode.com