百万级 Hash，十亿个元素，分布式存储和索引选什么适合？

[dusu]

背景

各位大佬好，目前小弟手上有百万级的 Hash，约十亿个元素，格式如下：

00000001
  |-key=a, val=2 字符:[1-20]-crc32 字符:整数 1:整数 2
  |-key=b, val=2 字符:[1-20]-crc32 字符:整数 1:整数 2
  ...
  |-key=z, val=2 字符:[1-20]-crc32 字符:整数 1:整数 2
  

00000002
  |-key=aa, val=2 字符:[1-20]-crc32 字符:整数 1:整数 2
  |-key=bb, val=2 字符:[1-20]-crc32 字符:整数 1:整数 2
  ...
  |-key=zz, val=2 字符:[1-20]-crc32 字符:整数 1:整数 2
  
...

value 格式：

一个元素代表一个文件：

2 字符：代表所在的机器

[1-20]-crc32：代表目标所在文件

整数 1：代表目标在文件的起始位置

整数 2：代表文件长度

---例子---

ab:9-cbdg3323:1200:500

每个 Hash 的 key 大概在 100-5000 个。

目前场景读大于写（读约 500/s，写约 200/s ），方案用的是 ssdb，

ssdb 单线程 compact 的时候对服务影响太大，经常 loadavg 过载

加上另外，leveldb 层面似乎更适合读大于写的场景（还有部署机器也不一定是 SSD 硬盘）。

对比

对比过市面上类似产品：Pika\Ledis\redix(主要对比了不同存储引擎)，似乎效果相差不大。

为什么不选 Redis?

成本问题，目前 ssdb 已经快 100G 了，

再加上要求分布式的话，如果能把这 十亿个元素 x5 倍 存在可观的 Redis 中，也可以考虑。

SO. 求大佬推荐一下适合的产品（或技术方案）。

要求：

1. 支持「分布式」，扩容无忧
2. 可支持高效在 hash 中「批量」检查元素 key 是否存在
3. 高效的读大于写的场景，读 QPS 能达到目前的 5x
4. 最好有现成的 redis/http 协议可开箱用
5. 全家桶性质的产品慎推，不想引入太多运维成本

备用方案：

按 id 水平拆表存 mysql，将元素里的数据拆开来存储、索引.

再加前置缓存...

[vus520]

如果你的 key 读写不多，可以考虑 db 或者 ES。
如果都是缓存级别的热数据，那估计 pika 是最好的，现在 SSD 不贵。

[fuis]

tidb

[dusu]

@vus520
感谢，pika 其实挺好的，但是到 v3 后已经去掉 double master 支持了，
要自行引入 codis，不然还得带 docker，运维成本并不低
之前用 pika 当文件存储服务，存了 1.5T 文件后，
访问量不高，但 I/O 直接吃满，性能上不去，就不敢用了...

@fuis
感谢，TIDB 门槛有点高，个人开发者吃不消.

[vus520]

那就 mongo 或者 ES 了

[ppyybb]

写入是指更新还是增加一个 key ？ hash 数量会变化吗？ latency 要求是啥

[ppyybb]

你这个限制比较多，又要省钱....要不自己搭建一个 mongo 集群，要不自己搭建 ssdb 集群（运维成本，改动小点），要不试试阿里云混合存储 redis ？

[btnokami]

现在是 single instance 吗？搭一个 cluster 然后对 key 做 partition 应该能 scale 起来吧，或者用 Master slave model，只有 write to master 然后 read from slave 应该可以解决吧

[laminux29]

1.海量数据，又要关键操作性能高，这种情况下，读与写本来就是个矛盾，要不读快写满，要不写快读满，你要两者都高，这怎么可能。

2.你对开源（免费）产品，既要求性能高，又要求功能多，还要求运维成本低，这怎么可能。

3.在一堆海量数据里，确定一条数据的唯一性，这本来就是世界难题，原因是在硬件与运维有限的前提下，这操作完全是在挑战计算机设备的性能极端，这事在理论上根本没办法搞定，就连谷歌最后都只能选择砸钱堆服务器堆运维，才有了较好的性能。你又没服务器，又没人给你运维数据性能，这事怎么可能解决得了？

建议：
1.你应该选择你最关注的因素，比如读速度快，然后牺牲一下写数据，按这个模式，来做业务逻辑。


2.现在任何一款主流的分布式数据库，都做不到帮你把冷热数据均摊好，保证每台物理设备的性能平均。因为这个操作要涉及到经常的大规模的数据迁移，这个过程本身就会大幅度降低系统性能。因此，还不如你自己设计一个冷热数据记录器，再根据业务繁忙度，在闲时就像停服一样，重新分布冷热数据。这操作其实就是运维工作，你不去做这个工作，没办法把冷热数据高质量地均摊在不同物理设备上。

[raynor2011]

Hbase?

[xautll]

clickhouse 可以参考一下

[sampeng]

redis 完全够用…才百万级和 10 亿个元素…你也太小看 redis 了

[defunct9]

楼主最后用什么？

[cabing]

@dusu

算下成本。你的存储时 100G 吗?

如果觉得 redis 成本高的话，

单机的 io 又比较大，为啥不自己写个简单的 proxy 呢？

底层挂哪个存储都行，ssdb 或者 pika 或者直接用 rocksdb 做个存储也行。

[dusu]

@ppyybb 感谢，目前用的就是 ssdb 集群。

[dusu]

@btnokami 目前是集群 回头试试 key 分片。

[dusu]

@xautll 似乎 clickhouse 适合于离线分析 ，不适合高并发下 kv 查询。

[wingyiu]

redis 分片方案呗

[dusu]

@laminux29 大佬说的是，问题描述确实有些矛盾，其实也是想请教一下在这个场景下，大家会用的一些低成本高收益的方案。

[dusu]

@cabing 自己做 proxy 其实也尝试过 单机问题不大。但是涉及到「分布式」这块一致性和稳定性比较难彻底解决。遂放弃。

[cabing]

@dusu


分布式的 meta，使用 consul 或者 etcd 存下 meta 信息。

比较简单方案：做个一致性 hash，然后每个 node 都自己做个简单的拷贝方案，分布式存储存下 meta，这个最简单啊

需要改造，获取数据时做个 proxy 改造

[luozic]

是在云里面还是物理机器？ 物理机器可以去看看 dpdk 这种方案，不过想要低成本的条件的话，最好根据具体的需求特征定制一下 proxy 层，存储层基本现在开源的 rocksdb 系的基本可以直接用。 通用的肯定不是特定场景下的成本最低方案。

[justfly]

直接尝试 redis cluster 吧。

我算了一下你的 value，大概 30 个字节，10 亿级别占用大概不到 30G 内存空间，留 5 倍的扩展空间和 value 外额外空间，redis 集群使用 10 个以内的节点够用了。

[ppyybb]

@dusu 原来是集群那你扩大分片不就行了，怎么会有 100g 呢？你说的集群是主从？

[wangyzj]

redis 啊
又不是不够用
再就得看业务场景和其它功能了

[aliipay]

val 搞什么 string，直接用 byte 定义
机器名：2Byte 最高支持 65536 台，如果不超过 128 个节点可以设为 1B，高 1 位保留扩展性
文件：crcr32 只要 4Byte
文件起始： 不知道具体范围，假设 4GB 内， 就是 4Byte. 如果存在小数值偏多，可以考虑 utf8 编码
文件长度：同上
所以总长度在 14B 左右，目测能少掉一半量

[wzw]

@dusu #14 根据你的了解, ssdb 和 pika 有啥区别呀, 最直观的