云计算背后的秘密（3）-BigTable

由于在Google的数据中心存储PB级以上的非关系型数据时候，比如网页和地理数据等，为了更好地存储和利用这些数据，Google开发了一套数据库系统，名为“BigTable”。

技术概览

从技术来讲，BigTable不是一个传统的关系型的数据库，也不支持类似关联（join）这样高级的SQL操作，取而代之的是多级映射的数据结构，并支持大规模数据处理、高容错性和自我管理等特性，提供PB级的存储能力，使用结构化的文件来存储数据，并整个集群每秒可处理数百万的读写操作。

什么是多级映射的数据结构呢？就是一个稀疏的、多维的和排序的Map，每个Cell（单元格）由行关键字、列关键字和时间戳来进行三维定位．Cell的内容本身就是一个字符串，比如，存储每个网页的内容。在下图中， 反向的URL “com.cnn.www”是这行的关键字，“contents”这列存储了多个版本的网页内容，每个版本都有一个时间戳。BigTable还提供一个用于将多个相似的列整合至一起的Column Family（列组）机制，比如，下面“anchor”这个Column Family就有“anchor: cnnsi.com”和“anchhor:my.look.ca”这个两个列。通过Column Family这个概念，使得表可以轻松地横向扩展。

图1. BigTable数据模型图

在结构上，BigTable基于GFS分布式文件系统和Chubby分布式锁服务。BigTable主要分为两部分：其一是Master节点，用来处理元数据相关的操作并支持负载均衡。其二是Tablet节点，主要用于存储数据库的分片tablet，并提供相应的数据访问，同时tablet是基于名为SSTable的格式，对压缩有很好的支持。下图为其具体的架构图：

图2. BigTable架构图

相关产品

和之前介绍的MapReduce和GFS一样，BigTable在开源界也有很多类似的产品，最著名的两个莫过于属于Hadoop系列的Hbase和来自于Facebook的Cassandra。Hbase的特色在于其完全继承了BigTable的设计，所以它在MapReduce和海量数据存储这两方面支持地非常好，而Cassandra的则更倾向于成为全功能型数据库。除了这两个产品之外，我个人也设计一款类BigTable的数据库，名为YunTable，意为“云时代的BigTable”，它的目标是做一个BigTable的精简版，并使其更适合云环境，现在已经发布其0.8版，本已基本实现BigTable的基本功能，官方站点是http://code.google.com/p/yuntable/，希望大家能多多关注。

实际用例

BigTable正在为Google六十多种产品和项目提供存储和获取结构化数据的支撑平台，其中包括有Google Print， Orkut，Google Maps，Google Earth和Blogger等，而且在Google内部至少运行着500个BigTable集群。

下一代的BigTable

随着Google内部服务对需求的不断提高和技术的不断地发展，导致原先的BigTable已经无法满足用户的需求，而Google也正在开发下一代BigTable，名为“Spanner（扳手）”，它主要有下面这些BigTable所无法支持的特性：

1. 支持多种数据结构，比如table，familie，group和coprocessor等。
2. 基于分层目录和行的细粒度的复制和权限管理。
3. 支持跨数据中心的强一致性和弱一致性控制。
4. 基于Paxos算法的强一致性副本同步，并支持分布式事务。
5. 提供许多自动化操作。
6. 强大的扩展能力，能支持百万台服务器级别的集群。
7. 用户可以自定义诸如延迟和复制次数等重要参数以适应不同的需求。