Chinaunix首页 | 论坛 | 博客
  • 博客访问: 1945609
  • 博文数量: 1000
  • 博客积分: 0
  • 博客等级: 民兵
  • 技术积分: 7921
  • 用 户 组: 普通用户
  • 注册时间: 2013-08-20 09:23
个人简介

storage R&D guy.

文章分类

全部博文(1000)

文章存档

2019年(5)

2017年(47)

2016年(38)

2015年(539)

2014年(193)

2013年(178)

分类: 服务器与存储

2015-07-27 16:10:03

上一篇文章《Finite Field Arithmetic》介绍了有限域上的运算,理解有限域上的运算,是理解erasure编码的基础。今天这篇文章就来介绍一下erasure编码。在分布式存储系统中,通常会通过多副本的方式来保证数据的可靠性,但是多副本带来的成本问题也是显而易见的。在类HDFS这样的系统中,通常数据都会保留三副本,三副本可以容有两副本故障的场景,但同时成本也是一副本的三倍。如何在保证同等的数据可靠性的前提下,减少副本数,降低成本,是分布式存储系统中很重要的一个课题。Erasure编码正是用来解决这个问题的,它能将副本降到1.x的同时,保证同等的数据可靠性保证。本文会以最常用的Reed Solomon erasure编码为例来介绍。

基本思想


如上图所示,我们总共有n块盘,其中k块用来存放数据,m块用来存储erasure编码(k+m=n),在上面的n块盘中,任意坏m块,都可以通过erasure编码将其余的恢复出来。也就是说,通常k+m的erasure编码,能容m块盘故障的场景,这时候的存储成本是1+m/k, 通常m<k , 因此,通过erasure编码,我们能够把副本数降到1.x。假如我们用3+2的erasure编码,就能容2块盘坏的故障,同时把成本降到了1.67。可以通过增加k进一步降低成本,但是随着k的增加,故障恢复的开销会变大,具体的应用过程中要根据实际的业务场景来权衡。据说GFSv2用的是6+3的方案,成本是1.5。

Reed Solomon算法

Reed Solomon算法的核心思想包括三个部分:
1. 利用范德蒙德(Vandermonde)矩阵,通过数据块计算编码块
2. 利用高斯(Gaussian)消元法, 恢复损坏的数据块
3. 为了方便计算机处理,所有运算都是在伽罗华域Galios Field)GF(2^w)的基础上进行的

下面是Reed Solomon算法的具体步骤(k+m的Reed Solomon, 处理的字长为w):
1. 选择一个合适的字长w, 保证2^w>k+m
2. 构造GF(2^w)上的对数表gflog和反对数表gfilog
3. 取m*k的Vandermonde矩阵F, 其中F_{i,j}=j^{i-1}(1 < = i <= m, 1 =< j <= k)
4. 用F去按字(w)乘数据块就会得到对应的编码块FD=C
5. 如果e(e<=m)块数据损坏,可以通过下面的方式恢复:
A=\begin{bmatrix}I\\F\end{bmatrix}E=\begin{bmatrix}D\\C\end{bmatrix}
我们知道AD=E, 在AE中消去坏块对应的行,得到A^'E^', 满足A^{'}D=E^'
通过高斯消元法,便可以解出D; 另外如果是编码块中有坏块,可以直接通过AD=E算出对应的坏块。

关于Gaussian消元法: 读者朋友可以回忆一下小时候学的n元一次的方程组的解法,它所用的方法其实就是高斯消元法。由n个独立的方程组成的n元一次方程组,有确定的唯一解。在erasure编码中,k个数据块相当于是k个元,我们有k+m个独立的一次方程,这k+m个方程中,取任意k个方程组成方程组,我们都可以通过高斯消元法解出k个元,这便是erasure编码中真正的秘密。

关于Vandermonde矩阵: 为了保证”n元一次方程组”有解,我们需要保证每个方程都是”独立的”, 而用Vandermonde矩阵用来做为方程组的系数,便可以保证这一点。这就是erasure编码中为什么用Vandermonde矩阵的原因。下面是Vandermonde矩阵的定义:

??\[ V=\begin{bmatrix} 1 & 1 & 1 & \cdots & 1 \\ x_0 & x_1 & x_2 & \cdots & x_{n-1} \\ x_{0}^2 & x_{1}^2 & x_{2}^2 & \cdots & x_{n-1}^2 \\ \vdots & \vdots & \vdots & \vdots & \vdots \\ x_{0}^{n-1} & x_{1}^{n-1} & x_{2}^{n-1} & \cdots & x_{n-1}^{n-1} \end{bmatrix} \]

在erasure编码的具体应用到分布式存储系统中时,上面的x_i都是在GF(2^w)中,所有的运算都是在GF(2^w)上做的。

Cauchy Reed Solomon算法

Cauchy Reed Solomon跟普通的Reed Solomon的最大的区别就是把Vandermonde矩阵换成了Cauchy(柯西)矩阵。通过《Finite Field Arithmetic》我们知道,在GF(2^w)中的运算需要查对数表和反对数表来进行,并且随着w的增大,查表的开销也会增大。在Cauchy Reed Solomon中,通过使用Cauchy矩阵,可以将GF(2^w)上的四则运算做如下转化: 加法->异或,乘法->与,我们知道GF(2^w)上的减法都可以转化为加法,除法都可以转化为乘法。因此,通过Cauchy Reed Solomon,可以将GF(2^w)上的四则运算都转化为“异或”或者“与”运算,这对于计算机来说,更为友好,速度更快。
Cauchy Reed Solomon算法的过程跟普通的Reed Solomon算法的过程基本是类似的,关于如何构造Cauchy矩阵,以及如何把四则运算转化为位运算,感兴趣的同学可以参考[2], 这里不再赘述。

Jerasure and Java-Erasure

再回到算法本身的具体实现上,[3]有各种实现的对比,感兴趣的同学可以参考。总体来说,目前用得比较广泛的是James Plank实现的Jerasure, Jerasure本身是由纯C语言实现了,为了应用到Java语言实现的系统中(HDFS),前段时间封装了一个wrapper library Java-erasure, 该库的用法和接口都非常简单,具体参考github上的README。

参考资料

1. A Tutorial on Reed-Solomon Coding for Fault-Tolerance in RAID-like Systems
2. Optimizing Cauchy Reed-Solomon Codes for Fault-Tolerant Storage Applications
3. Tutorial: Erasure Coding for Storage Applications

阅读(1285) | 评论(0) | 转发(0) |
给主人留下些什么吧!~~