集群管理和分布式任务 Apache helix，集群apachehelix

集群管理和分布式任务 Apache helix，集群apachehelix

这个题目写的有点大，但是我一直想写一个这方面文章，虽然我没系统学过分布式系统理论，但是接触了这么多分布式系统之后，隐约感觉这些系统有很多共通之处。现在如果我让你开发一个分布式系统，准确点叫分布式task系统，比如从kafka订阅数据，然后写到hdfs，归档。注意不光是能支持某一个topic，不只是固定的partition数目，你该怎么写？

这个需求，其实可以使用jstorm来做，写一些spout就可以了，或者弄个2层结构，spout-bolt，spout拉数据交给bolt,bolt写到hdfs。jstorm本身就是一个分布式计算系统，确切地说是一个流计算系统，任务管理，消息传输，负载均衡，容灾等，都由jstorm框架帮你完成。

那么，如果让你写一个分布式存储系统呢？分布式存储比分布式计算可能要难一点，因为涉及到更多的数据一致性问题，像hdfs,hbase,kafka其实都属于分布式存储系统，每个系统有自己的存储特点和格式，对于hbase和kafka这种更接近数据库类型的系统来讲，写数据意味着把数据交给你管理，每一条都要尽可能保证数据不丢，那么基本流程可能是先写wal，然后写到内存，内存再异步刷到磁盘。对于kv存储系统，磁盘中保存数据的仍然是文件，但是这个文件可不简单，并不是随便写的文件，通常都有自己的格式，这种格式一方面是为了方便存储，提高存储效率，另一方面这种文件格式更多地是为了你搜索或者随机检索方便，比如b tree或者LSM等数据结构。之所以写wal是为了容灾考虑。

那有人说些wal是持久化，为什么不直接写数据库文件呢，原因很简单，就是写wal快，比写数据库文件要快，为了提高写性能考虑。虽然光写内存更快，但是没有持久化这些数据掉电之后，数据丢失怎么办。所以wal又叫redo log，即顺序写进去，写入数据库出现问题的时候，会从这里找到重新做。

分布式数据库，存储系统之所以分布式，就是把数据分块，分region，或者分partition存储，每个partition又可以多个副本，同时副本又有主从。一般主副本接受读写请求，然后将请求转发到其它副本，由这个主副本协调读写操作。

数据副本在全集群要尽量均匀分布，一方面是为了防止存储倾斜，有些机器容量都满了，有些还很空闲，比如hdfs。另一方面又是为了读写考虑，要防止读写热点，毕竟单点的qps,tps是有限制的，同时也为了容灾考虑。基于均分分布原理，这些系统又有了rebalance的概念。

分布式存储和分布式计算，其实有很多相同的地方，分布式存储管理的单元是数据块，partition，region等数据颗粒的副本，读写等，而分布式任务，管理的是一个作业的task，并发的task，task的状态等。同样存在task 负载均衡的问题，即调度的问题。

分布式系统一般都有一个协调服务，做分布式锁，状态管理，甚至心跳等。zookeeper基本上在大数据领域，用得比较多，同时也比较可靠。

说到这里，不得不提一下Apache helix,这个东西基本上帮我实现了自己的想法，即使用zookeeper做一个分布式系统框架，利用这个框架，既可以开发分布式task，也可以做分布式存储，它帮我们完成了分布式管理中的绝大多数工作。

从今天开始，我会用几篇文章，讲解一下apache helix的原理，架构以及实现细节。