FastDFS的文件上传、下载原理以及负载均衡方法

一、文件上传原理

图片

fastdfs_upload_file

1.1、选择tracker server

高可用，通过冗余的方式提供服务。当集群中不止一个tracker服务时，由于tracker之间是对等的关系，客户端在上传文件时可以任意选择一个tracker。

图片

fastdfs_arch

1.2、选择存储的group及其负载均衡算法

当tracker接收到上传文件的请求时，会为该文件分配一个可以存储该文件的group，支持如下选择group的规则：

（1）Round robin，所有的group间轮询。

（2）Specified group，指定某一个确定的group。

（3） Load balance，选择最大剩余空 间的组上传文件 。

1.3、选择storage server及其负载均衡算法

当选定group后，tracker会在group内选择一个storage server给客户端，支持如下选择storage的规则：

1. Round robin，在group内的所有storage间轮询。
2. First server ordered by ip，按IP排序，也会轮询。
3. First server ordered by priority，按优先级排序（优先级在storage上配置）；可以理解为权重的方式，权重高的优先选择。比如，storage 1 为100M的带宽和storage 2为500M带宽，上传文件时优先使用500M带宽的storage。

1.4、选择storage path及其负载均衡算法

当分配好storage server后，客户端将向storage发送写文件请求，storage将会为文件分配一个数据存储目录，支持如下规则：

（1） Round robin，多个存储目录间轮询。

（2）剩余存储空间最多的优先。

可以配置多个磁盘路径。注意，同一个group中的storage的配置必须是一样的；这里的一样不是路径一样，而是path的数量要一致。多个路径对应多个磁盘，才能发挥多个磁盘并发读写能力。

# store path (disk or mount point) count, default value is 1store_path_count = 1
#存储路径(磁盘或挂载点)计数，默认值为1 

store_path_count=1

# store_path#, based on 0, to configure the store paths to store filesif store_path0 not exists, it' s value is base_path (NOTrecommended)#the paths must be exist.
#store_path#，基于0，要配置存储路径来存储filesif store_path 0不存在，它的值是base_path(NOT推荐的)#这些路径必须存在。
#
#
#工IMPORTANTNOTE:#
#工IMPORTANTNOTE：
#the store paths' order is very important, don 't mess up ! !!
#store路径的排序很重要，不要搞砸了！
#
# the base_path should be independent (different) of the store paths
# 基路径应该独立于存储路径(不同)

store_path0 = /home/fastdfs/storage_group1_23000
#store_path1 = / home/yuqing/fastdfs2

fastdfs适合小文件存储，大文件存储建议使用ceph。如果使用fastdfs存储大文件，那么是一个磁盘分摊写压力；而ceph的集群可以使用多台服务分摊写压力，写的速度会非常快。

1.5、生成Fileid

选定存储目录之后，storage会为文件生一个Fileid，由 storage server ip、文件创建时间、文件大小、文件crc32、一个随机数拼接而成，然后将这个二进制串进行base64编码，转换为可打印的字符串。

 4 bytes  4 bytes	  8 bytes   4 bytes  2 bytes
+--------+--------+----------------+--------+-----+
|   IP   |  time  |	file_size  | crc32  |校验值|

（1）选择两级目录：

当选定存储目录之后，storage会为文件分配一个fileid，每个存储目录下有两级256*256的子目录，storage会路由到其中一个子目录，然后将文件以fileid为文件名存储到该子目录下。

（2）生成文件名：

当文件存储到某个子目录后，即认为该文件存储成功，接下来会为该文件生成一个文件名，文件名由：group、存储目录、两级子目录、fileid、文件后缀名（由客户端指定，主要用于区分文件类型）拼接而成。

图片

fastdfs_file_path

文件名规则：

1. storage_id，（ip的数值型）源storage server ID或IP地址。
2. timestamp，文件创建时间戳。
3. file_size，若原始值为32位则前面加入一个随机值填充，最终为64位。
4. crc32，文件内容的检验码。
5. 随机数 ，引入随机数的目的是防止生成重名文件。

eBuDxWCb2qmAQ89yAAAAKeR1iIo162
| 4bytes | 4bytes    | 8bytes    |4bytes | 2bytes |
| ip     | timestamp | file_size |crc32  | 校验值 |

二、下载文件逻辑

客户端upload file成功后，会拿到一个storage生成的文件名，接下来客户端根据这个文件名即可访问到该文件。

图片

fastdfs_download_file

跟upload file一样，在download file时客户端可以选择任意tracker server。

client发送download请求给某个tracker，必须带上文件名信息，tracke从文件名中解析出文件的group、大小、创建时间等信息，然后为该请求选择一个storage用来服务读请求。

由于group内的文件同步时在后台异步进行的，所以有可能出现在读到时候，文件还没有同步到某些storage server上，为了尽量避免访问到这样的storage，tracker按照如下规则选择group内可读的storage：

1. 该文件上传到的源头storage， 源头storage只要存活着，肯定包含这个文件，源头的地址被编码在文件名中。
2. 文件创建时间戳一定是storage被同步到的时间戳 且(当前时间-文件创建时间戳) > 文件同步最大时间（如5分钟) ，文件创建后，认为经过最大同步时间后，肯定已经同步到其他storage了。
3. 文件创建时间戳 < storage被同步到的时间戳。同步时间戳之前的文件确定已经同步了。
4. (当前时间-文件创建时间戳) > 同步延迟阀值（如一天）。经过同步延迟阈值时间，认为文件肯定已经同步了。

思考：fastdfs上传完文件后立即读取文件问题。因为fastdfs是弱一致性，可能其他storage还没有同步文件，这时应该怎么判断从哪个storage中读取文件？

答案：可以根据时间来读取，因为fileid里有携带时间戳，可以根据时间进行匹配来进入storage ；如果某个storage没有同步

三、总结

本文旨在深入探索FastDFS的文件上传和下载原理，并介绍负载均衡的关键方法。我们将详细解析FastDFS在文件传输方面的工作原理，以及如何通过负载均衡提升性能和可靠性。主要内容包括：

1. 文件上传原理：详细介绍FastDFS的文件上传流程，包括客户端与跟踪器节点的交互、文件分片和存储节点的选择等关键步骤。

2. 文件下载原理：解析FastDFS的文件下载过程，包括客户端与存储节点的通信、文件分片的获取和组装等步骤，揭示文件下载的工作原理。

3. 负载均衡方法：介绍FastDFS中常用的负载均衡方法，如基于权重的负载均衡、一致性哈希算法等，以及它们在提升系统性能和可扩展性方面的作用。

4. 性能优化和实践经验：讨论如何通过性能优化和实践经验进一步提升FastDFS的文件上传和下载性能，包括网络优化、调整参数和合理的存储节点配置等方面的建议。

通过本文，读者将深入了解FastDFS的文件上传和下载原理，以及负载均衡的关键方法。我们将解析FastDFS在文件传输方面的内部工作流程，探讨如何通过负载均衡提升系统性能和可靠性。