七叶笔记 » golang编程 » 高性能、高可靠分布式文件系统 go-fastdfs

高性能、高可靠分布式文件系统 go-fastdfs

分类: golang编程 | 浏览: 2233

go-fastdfs是一个基于http协议的分布式文件系统，它基于大道至简的设计理念，一切从简设计，使得它的运维及扩展变得更加简单，它具有高性能、高可靠、无中心、免维护等优点。

  • 支持curl命令上传
  • 支持浏览器上传
  • 支持HTTP下载
  • 支持多机自动同步
  • 支持断点下载
  • 支持配置自动生成
  • 支持小文件自动合并(减少inode占用)
  • 支持秒传
  • 支持一键迁移
  • 支持并行体验
  • 支持 断点续传 (tus)
  • 支持docker部署
  • 支持自监控告警
  • 支持集群文件信息查看
  • 使用通用HTTP协议
  • 无需专用客户端（支持wget,curl等工具）
  • 类fastdfs
  • 高性能 （使用leveldb作为kv库）
  • 高可靠（设计极其简单，使用成熟组件）
  • 无中心设计(所有节点都可以同时读写)

优点

  • 无依赖(单一文件）
  • 自动同步
  • 失败自动修复
  • 按天分目录方便维护
  • 支持不同的场景
  • 文件自动去重
  • 支持目录自定义
  • 支持保留原文件名
  • 支持自动生成唯一文件名
  • 支持浏览器上传
  • 支持查看集群文件信息
  • 支持集群监控邮件告警
  • 支持小文件自动合并(减少inode占用)
  • 支持秒传
  • 极低资源开销
  • 支持断点续传(tus)
  • 支持docker部署
  • 支持一键迁移（从其他系统文件系统迁移过来）
  • 支持并行体验（与现有的文件系统并行体验，确认OK再一键迁移）
  • 支持token下载　token=md5(file_md5+timestamp)
  • 运维简单，只有一个角色（不像fastdfs有三个角色Tracker Server,Storage Server,Client），配置自动生成
  • 每个节点对等（简化运维）
  • 所有节点都可以同时读写

启动服务器（已编译，下载极速体验，只需一分钟）

./fileserver

命令上传

curl -F file =@http-index-fs

WEB上传（浏览器打开）

ip:8080 注意：不要使用127.0.0.1上传

代码上传(选项参阅浏览器上传)

python版本 

import requests
url = '
files = {'file': open('report.xls', 'rb')}
options={' output ':'json','path':'','scene':''} #参阅浏览器上传的选项
r = requests.post(url, files=files)
print(r.text)

golang版本 

package main
import (
 "fmt"
 " github .com/astaxie/beego/httplib"
)
func main() {
 var obj interface{}
 req:=httplib.Post("")
 req.PostFile("file","path/to/file")
 req.Param("output","json")
 req.Param("scene","")
 req.Param("path","")
 req.ToJSON(&obj)
 fmt.Print(obj)
}

java版本

依赖(这里使用了hutool工具包,更简便) 

 cn.hutool
 hutool-all
 4.4.3

上传代码 

public static void main(String[] args) {
 //文件地址
 File file = new File("D:\\git\\2.jpg");
 //声明参数集合
 HashMap paramMap = new HashMap<>();
 //文件
 paramMap.put("file", file);
 //输出
 paramMap.put("output","json");
 //自定义路径
 paramMap.put("path","image");
 //场景
 paramMap.put("scene","image");
 //上传
 String result= HttpUtil.p os t("", paramMap);
 //输出json结果
 System.out.println(result);
}

更多语言请参考

断点续传示例

golang版本 

package main
import (
 "os"
 "fmt"
 "github.com/eventials/go-tus"
)
func main() {
 f, err := os.Open("100m")
 if err !=  nil  {
 panic(err)
 }
 defer f.Close()
 // create the tus client.
 client, err := tus.NewClient("", nil)
 fmt.Println(err)
 // create an upload from a file.
 upload, err := tus.NewUploadFromFile(f)
 fmt.Println(err)
 // create the uploader.
 uploader, err := client.CreateUpload(upload)
 fmt.Println(err)
 // start the uploading process.
 fmt.Println( uploader.Upload())
}

更多客户商请参考

部署图

有问题请点击反馈

重要说明

在issue中有很多实际使用的问题及回答（很多已关闭，请查看已关闭的issue）

项目从v1.1.8开始进入稳定状态

Q&A

  • 最佳实战？ 
一、如果是海量存储，不要开启文件token认证功能，减少性能开消。
二、尽量用标准上传，上传后业务保存path，在业务用的时候再并接上域名（方便迁移扩展等）。
三、如果使用断点续传，上传后一定要用文件id置换成path存储（如何置换看ＱＡ/API文档），为后面访问减少性能开消。
四、尽量使用物理服务器部署，因为主要压力或性能来自于IO
总结：业务保存的文件的path,减少后期访问路径转换带来开消,文件访问权限由业务来完成，这样性能最好，通用性强（可直接其它web服务器）。
重要提醒：如果开启小文件合并功能，后期是无法删除小文件的。
  • 有API文档么？ API文档
  • 在微信讨论群中大家都问到go-fastdfs性能怎样？ 
由于问的人太多，在这里统一回答。
go-fastdfs的文件定位与其它分布式系统不同，它的寻址是直接定位，不经过任何组件，所以可以近似时间复杂度为o(1)[文件路径定位]
基本没有性能损耗，项目中也附有压测脚本，大家可以自已进行压测，群里就不要太多讨论问题了，人多每次回复同样的问题
大家也会觉得这群无聊。
  • 已经使用fastdfs存储的文件可以迁移到go fastdfs下么？ 
答案是可以的，你担心的问题是路径改变,go fastdfs为你考虑了这一点
步骤：
 一、下载最新版的go-fastdfs
 二、将原来的fastdfs文件目录复制到go-fastdfs的 files目录下
 三、将配置enable_migrate设为true
 注意：迁移过程中会扫描整下files目录下的所有文件，
 速度较慢，迁移完成后请将enable_migrate设为false
  • 什么是集群，如何用Nginx管理多集群？

1、在go-fastdfs中，一个集群就是一个group。

2、请参阅部署图

注意：配置中的 support_group_manage 参数设为true时，所有的url中都自动添加组信息。

例如：

默认：

区别：多了group,对应配置中的 group 参数,这样主要是为了解决一个Nginx反向代理多个group(集群)

具体请参阅部署图

  • 如何搭建集群？ 
一、先下载已编译的可执行文件（用最新版本）
二、运行可执行文件（生成配置）
三、修改配置
 peers：增加对端的http地址
 检查:
 host:自动生成是否正确
 peer_id:集群内是否唯一
四、重新运行服器
五、验证服务是否OK
  • 适合海量存储吗？ 
答案：适合海量存储
特别说明：
需然用leveldb作为 元数据 存储，但不强依懒leveldb，
并且进行超过1亿以上的文件进行压测(可以用项目提供的脚本进行压测，有问题及时反馈到issue)，
1亿文件元数据大小约5G,导出元数据文本大小22G
  • 还需要安装nginx么？ 
可以不安装，也可以选择安装
go fastdfs 本身就是一个高性能的web文件服务器。
  • 能动态加载配置么？ 
答案：是可以的，但要更新到最新版本
步骤：
1）修改 conf/cfg.json 文件
2）访问 
3） 注意：每个节点都需要进行同样的操作
  • 如何查看集群文件信息？ 
如果出现文件统计出错怎么办？
请删除 data目录下的 stat.json文件 重启服务，请系统自动重新计算文件数。
或者调用
  • 可靠性怎样，能用于生产环境么？ 
本项目已大规模用于生产环境，如担心不能满足
可以在使用前对其各项特性进行压力测试，有任何
问题可以直接提issue
  • 能不能在一台机器部置多个服务端？ 
不能，在设计之初就已考虑到集群的高可用问题，为了保证集群的真正可用，必须为不同的ip,ip 不能用 127.0.0.1
错误　"peers": ["","",""]
正确　"peers": ["","",""]
  • 文件不同步了怎么办？ 
正常情况下，集群会每小时自动同步修复文件。（性能较差，在海量情况下建议关闭自动修复）
那异常情况下怎么？
答案：手动同步（最好在低峰执行）
 (说明：要在文件多的服务器上执行，相关于推送到别的服务器)
参数说明：date 表示同步那一天的数据　force　1.表示是否强制同步当天所有(性能差)，0.表示只同步失败的文件
不同步的情况：
1) 原来运行N台，现在突然加入一台变成N+1台
2）原来运行N台，某一台机器出现问题，变成N-1台
如果出现多天数据不一致怎么办？能一次同步所有吗？
答案是可以：(最好在低峰执行)
  • 文件不同步会影响访问吗？ 
答案：不会影响，会在访问不到时，自动修复不同步的文件。
  • 如何查看系统状态及说明？ 
注意:（Fs.Peers是不带本机的，如果带有可能出问题）
本机为 Fs.Local
sts["Fs.ErrorSetSize"] = this.errorset.Cardinality() 这个会导致内存增加
  • 如何编译(go1.9.2+)？ 
git clone 
cd go-fastdfs
mv vendor src
pwd=`pwd`
GOPATH=$pwd go build -o fileserver fileserver.go
  • 如何跑单元测试 (尽量在linux下进行)？ 
git clone 
cd go-fastdfs
mv vendor src
pwd=`pwd`
GOPATH=$pwd go test -v fileserver.go fileserver_test.go
  • 如何压测？ 
先用gen_file.py产生大量文件（注意如果要生成大文件，自已在内容中乘上一个大的数即可）
例如:
# -*- coding: utf-8 -*-
import os
j=0
for i in range(0,1000000):
 if i%1000==0:
 j=i
 os.system('mkdir %s'%(i))
 with open('%s/%s.txt'%(j,i),'w+') as f:
 f.write(str(i)*1024)
接着用benchmark.py进行压测
也可以多机同时进行压测，所有节点都是可以同时读写的
  • 代码为什么写在一个文件中？ 
一、目前的代码还非常简单，没必要弄得太复杂。
二、个人理解模块化不是分开多个文件就表示模块化，大家可以用IDE去看一下代码结构，其实是已经模块化的。
  • 支持断点下载？ 
答案：支持
curl wget 如何
wget -c 
culr -C -
  • Docker如何部署？

步骤：

方式一、

一、构建镜像

docker build . -t fastdfs

二、运行容器（使用环境变量 GO_FASTDFS_DIR 指向存储目录。）

docker run –name fastdfs -v /data/fastdfs_data:/data -e GO_FASTDFS_DIR=/data fastdfs

方式二、

一、拉取镜像

docker pull sjqzhang/go-fastdfs

二、运行容器

docker run –name fastdfs -v /data/fastdfs_data:/data -e GO_FASTDFS_DIR=/data fastdfs

  • 大文件如何分块上传或断点续传？ 
一般的分块上传都要客户端支持，而语言的多样性，客户端难以维护，但分块上传的功能又有必要，为此提供一个简单的实现思路。
方案一、
借助linux split cat 实现分割与合并，具体查看 split 与　cat 帮助。
分割： split -b 1M filename #按每个文1M
合并： cat x* > filename #合并
方案二、
借助hjsplit

具体自行实现
方案三、
建议用go实现hjsplit分割合并功，这样具有跨平台功能。（未实现，等你来....）
方案四、
使用内置的继点续传功能（使用protocol for resumable uploads协议，[详情](）
 注意：方案四、只能指定一个上传服务器，不支持同时写，并且上传的url有变化
 原上传url： 
 断点上传url： 
 上传完成，再通过秒传接口，获取文件信息
  • 如何秒传文件？ 
通过http get的方式访问上传接口

参数说明：
md5=sum(file) 文件的摘要算法要与文件务器的算法一致（算法支持md5|sha1），如果是断点续传，可以使用文件的id，也就是urlolad后的id
output=json|text 返回的格式
  • 集群如何规划及如何进行扩容？ 
建议在前期规划时，尽量采购大容量的机器作为存储服务器，如果要两个复本就用两台组成一个集群，如果要三个复本
就三台组成一个集群。（注意每台服务器最好配置保持一样）
如果提高可用性，只要在现在的集群peers中加入新的机器，再对集群进行修复即可。
修复办法  （建议低峰变更）
如何扩容？
为简单可靠起见，直接搭建一个新集群即可（搭建就是启动./fileserver进程，设置一下peers的IP地址，三五分钟的事）
issue中chengyuansen同学向我提议使用增加扩容特性，我觉得对代码逻辑及运维都增加复杂度，暂时没有加入这特性。
  • 访问限制问题 
出于安全考虑,管理API只能在群集内部调用或者用127.0.0.1调用.

相关文章