本文原创，可以转载, 但必须以超链接形式标明文章原始出处和作者信息
转载请注明： 转载自sin的专栏http://blog.csdn.net/yclzh0522

一，背景介绍：

Sector/Sphere系统包括两个组件，一个是Sector分布式文件系统，一个是Sphere并行数据处理框架。

开源的，用C++开发的，遵循Apache2.0许可证，可以从官网下载http://sector.sf.net

开始于2006年，当前版本为2.8

二，特性分析

1，特性一：数据本地化

传统系统：

存储系统和计算系统分离

成本高，数据IO带宽高

Sector/Sphere模型：

在存储节点处理数据，代价不高，并行数据IO

2，特性二：简化编程

并行编程用MPI等

灵活而且很强大，但是开发非常复杂

Sector/Sphere:

对于开发者来说，集群作为一个整体，简化编程接口

数据并行程序有限

3，特性三：大规模系统

传统系统：

需要移动数据和装载数据

Sphere/Sector：

支持广域网范围的数据收集和分布

三，架构分析

SecurityServer：

用户账户认证：密码和IP地址

Sector使用自己的账号资源，但是可以扩展连接到LDAP和本地系统账户

Masters和slaves之间通过证书和IP地址认证

MasterServer：

维护文件系统元数据

多个激活的masters：高灵活性和负载均衡

1，可以在运行时间加入或者离开

2，都能够相应用户请求

3，同步系统元数据

维护slaves节点和其他masters的状态

响应用户请求

SlaveNodes

存储Sector文件：Sector是一个用户空间文件系统，每个Sector文件存储在一个或者多个slaves节点的本地文件系统（例如：EXT，XFS等），Sector文件没有切分成blocks

处理Sector数据：数据处理在相同的存储节点或者最近的存储节，输入和输出都是Sector文件

Clients

Sector文件系统客户端API：用来在程序里访问Sector文件的C++API

Sector系统工具：文件系统访问工具

FUSE：挂载Sector文件系统作为本地目录

Sphere编程API：开发并行数据处理应用程序的API

四，机制分析

1，拓扑考虑和程序考虑

Sector管理和调度时考虑到网络拓扑结构

当允许提高程序性能或者安全需要时，用户可以文件本地化

2，副本

Sector靠副本提供软件层面的容错性，不需要硬件RAID。所有的文件都有默认个副本

，个数可以设置。副本间的距离默认最远，可以预设。文件可以限制本地化。

3，容错性

数据容错性：Sector通过副本机制保证数据一致性，无论多少个节点挂掉，活着的节点依然可以服务数据。Sector不需要请求元数据，文件系统可以通过真实数据重建。

系统容错性：所有的Sectormaster和slave节点都可以动态加入或者离开，

Master监控slave节点并且可以自动重启挂掉的节点，或者移除有问题的节点，用户如果当前连接的挂掉，可以自动切换到好的master或者slave节点。

4，UDT：基于UDP的数据传输协议

官网：http：//udt.sf.net

开源的基于UDP的数据传输协议，有新的拥塞控制盒可靠性控制

快速，穿透防火墙，易于使用，已经在很多商业和研究的大型数据系统使用。

5，广域网部署

Sector可以被部署在多个数据中心，Sector使用UDT协议数据传输，数据备份在不同的数据中心。

6，规则化数据管理

配置文件可以动态配置，数据IO可以通过配置达到吞吐量和容错性之间平衡。

7，存储节点处理

每个存储节点也作为计算节点，数据处理在本地节点或者最近的可用节点，像md5

Sum和grep可以运行更快在Sector上。用Spehre和MapReduceAPI进行大规模数据分析。

Sector特性总结：

1，高达1000多节点和PB级别数据

2，软件层面的容错性

3，工作在单数据中心或者多数据中心的拓扑结构

4，灵活的规则化数据管理

5，集成WAN加速

6，集成安全和穿透防火墙

7，集成系统监控

缺点：

1，文件大小受限于存储节点的可用空间

2，用户可能需要切分他们的数据集成适当的大小

3，Sector设计提供了在大数据集上高吞吐量。

Sphere：简化数据处理

Sphere：数据移动

一个客户程序需要确定input，output和UDF的名字。

UDF：遵循Sphere标准的C++函数intFunctionName(constSInput*input,SOutput*output,SFile*file)

编译成动态库（.so）

MalStoneBenchmark例子

MalStone流程：

1，输入log文件集合

2，UDF-I：读取log文件，处理每行，获得siteID并且hash到一个bucketID，过滤不必要的信息产生新的记录

3，中间集：bucket文件，每个文件包含site的一个子集。

4，UDF-2：读取bucket文件，计算传染率每周每个点

5，结果集：包含了每个点的传染率

安装环境：

下载：http://sourceforge.net/projects/sector

文档：http://sector.sourceforge.net/doc/index.html

Linux，g++4.x，openssl-dev，fuse（可选的）

代码目录结构：

Conf：配置文件目录

Doc：文档

Examples：Sphere编程例子

Fuse：FUSE接口

Include：头文件

Lib：存储编译后的库文件

Master：master服务器

Tools：客户端工具

Security：安全服务器

Slave：slave服务器

编译

Tar-zxvfsector.2.8.tar,gz

Cd./sector-sphere;make

配置：

master.confmaster服务器配置，像Sector端口，安全服务器地址和master服务器数据位置

Slave.confslave节点配置，像master服务器地址和本地存储路径

Client.confmaster服务器地址和用户账户和密码便于用户不需要每次运行Sector工具时输入这些信息

本文原创，可以转载, 但必须以超链接形式标明文章原始出处和作者信息
转载请注明： 转载自sin的专栏http://blog.csdn.net/yclzh0522