回顾Bigtable的经典设计

关于Bigtable的讨论已是一个略显过时的话题，再次回顾Bigtable，是希望在论文发表十余年后的今天，重新审视一下有哪些设计依然经典的。Bigtable的最新发展，对于外界而言一直都是神秘的，除了Google新发表的一些论文略有提及以及一些道听途说的消息之外，就只能从Cloud Bigtable的官方资料中洞察秋毫。从MegaStore再到现在的Spanner，Bigtable的江湖地位已被大幅削弱，但仍有充足的退守之地。本文以“流水账”形式记录了Bigtable的关键设计。

设计目标

Bigtable的四个设计目标：

Wide Applicability： 广泛的适用场景

Scalability：横向扩展能力

High Performance： 高性能

High Availability： 高可用

Table

A Bigtable is asparse,distributed,persistent multi-dimensional sorted map.

简单理解一下这句定义所阐述的几个关键点：

一个表是一个包含海量Key-Value对的Map，数据是持久化存储的。

这个大的Map需要支持多个分区来实现分布式。

这个Map按照Key进行排序，这个Key是一个由组成的多维结构。

每一行列的组成并不是严格的结构，而是稀疏的，也就是说，行与行可以由不同的列组成：

Row

每一行数据都拥有一个唯一的Row Key，可以将Row Key理解为主键。

Row Key是一个Byte String，通常长度在10～100Bytes左右，建议不超过4KB。一行中包含一个或多个列。

Bigtable支持Row级别操作的原子性。

所有的数据按照Row Key的字典顺序进行排序。

Tablet

Table的横向数据分区(分片)称之为Tablet。

Tablet是一个连续的Row Key区间。

Tablet是数据分布与负载均衡的基本单元。

一个Tablet增长到一定大小之后可以自动分裂成两个Tablets。

多个连续的Tablets可以合并成一个大的Tablet。

Column Family

权限控制的最小单元。

一个Column Family通常是一个或多个相同类型的列的集合，这样在数据压缩率上可以获取更好的效果。

Column Families的数量不建议超过百级别。

Column Key的组成结构为Family:Qualifier。Qualifier可以理解成一个Column Family中的列标识。

Timestamp

每一个Column Key可能关联多次更新，因此，Bigtable使用Timestamp来标识不同的版本。

同一个Column Key的多个版本按Timestamp倒序存放，这样查询时总是先读取到最新的版本。

每一个Column Family允许用户配置最多保留的版本数量，超出的版本将会被清理掉。

关键模块

Client Library

Master Server

1）Tablet Server管理。

2）Tablet到Tablet Server的分配。

3）负载均衡。

4）垃圾文件回收。

5）建表以及Schema变更管理。

Tablet Server管理Tablet的数据服务节点。

依赖服务

GFS(Colossus)分布式文件系统。用来持久化存放Bigtable的关联文件（日志文件以及数据文件）。

Chubby

1）Active Master选举。

2）Tablet根路由信息。

3）Tablet Server故障节点通知以及新节点发现。

4）Table Schema信息。

5）存储Access Control List信息。

数据路由

在METADATA表中记录了每一个用户表Tablet所关联的Key Range信息以及路由信息。

METADATA本质上也是一个Bigtable表，因此，自身也由一个或多个Tablet组成。

Root表中记录了METADATA Tablet的路由信息，Root表有且只有一个Tablet组成。

LSM Tree

Bigtable的LSM Tree实现：

数据在写入到Tablet之前先顺序写入到一个日志文件中。

每一个Tablet Server上的多个Tablets共享同一个日志文件。

数据成功被写入到日志文件之后，再写入到Tablet的Memtable(内存排序Map)中。

当Memtable中的数据达到一定的大小之后Flush到GFS中成为SSTable文件。SSTable解释如下：

SSTable is a simple abstraction to efficiently store large numbers of key-value pairs while optimizing for high throughput, sequential read/write workloads.

Bigtable在写WAL时所做的关键优化：

写日志时，通过Group Commit减少IOPS，提升写入性能。

利用两个写入线程避免GFS的写入时延毛刺。

Locality Groups

一个Locality Group是多个Column Families（经常被一起访问）的组合。

同一个Locality Group中的数据会生成到同一个SSTable中。

可以将一个Locality Group配置成是否是常驻内存的。

Compaction

Compaction的三种类型以及对应的作用：

Minor Compaction: 将Memtable中的数据Flush成GFS中的SSTable文件，主要目的有两个：1) 减少Memtable的内存占用。2) 加速Tablet迁移或Tablet Server故障之后的因日志重放所消耗的时间。

Merge Compaction: 将多个SSTable文件合并成一个大的SSTable文件，该过程不回收被标记删除的数据。

Major Compaction: 将同一个路径下所有的SSTables合并成一个大的SSTable文件，该过程回收需要被清理的数据。

BloomFilter

支持使用BloomFilter来加速关于不存在的Row Key或Column的查询，减少随机磁盘IO。

Compression

Bigtable支持两层压缩机制：

利用Bentley-McIlroy Encoding算法预先对公共的Strings进行压缩编码。

在SSTable 16KB的Block级别采用一个快速的通用压缩算法。

Cache

Bigtable支持两类Cache:

Scan Cache缓存Key-Value数据，主要针对频繁发起的相同查询。

Block Cache缓存STable的Block，主要是优化临近查询场景。

参考信息

Bigtable: A Distributed Storage System for Structured Data

Cloud Bigtable Document

欢迎关注"NoSQL漫谈"(nosqlnotes)