分布式文件系統(tǒng)FastDFS文件尋址算法研究與應用

許金財

（廈門身份寶網(wǎng)絡科技有限公司 福建 廈門 361008）

1 引言

隨著互聯(lián)網(wǎng)的高速發(fā)展，分布式文件系統(tǒng)的應用越來越廣泛。FastDFS是為互聯(lián)網(wǎng)應用量身定做的分布式文件系統(tǒng)，充分考慮了冗余備份、負載均衡、線性擴容等機制，并注重高可用、高性能等指標，適合用來存儲大量的圖片、視頻、電子文檔等文件。本文對分布式文件系統(tǒng)FastDFS進行研究，并提出了文件編碼到文件地址的轉換算法，有效地提升了文件地址的檢索速度[1]。

2 分布式文件系統(tǒng)FastDFS簡述

FastDFS是一個開源的輕量級分布式文件系統(tǒng)，采用C語言開發(fā)，支持Linux、FreeBSD等UNIX系統(tǒng)，充分考慮了冗余備份、負載均衡、線性擴容等機制，簡單、靈活、高效。2008年7月FastDFS發(fā)布第一個版本V1.00，截至目前最新版本是V6.07。FastDFS由跟蹤服務器（tracker server）、存儲服務器（storage server）和客戶端（client）3個部分組成，包括文件存儲、文件同步、文件訪問以及高容量和負載均衡，主要解決海量數(shù)據(jù)存儲問題。跟蹤服務器主要做調(diào)度工作，起到均衡的作用；存儲服務器主要采用分組方式提供容量和備份服務。FastDFS文件地址由FastDFS服務端生成并返回，包含了組名、文件目錄和文件名。

3 FastDFS應用

FastDFS客戶端與服務端采用TCP通信協(xié)議，協(xié)議包由header和body兩部分組成，其中header由8字節(jié)的消息體長度、1字節(jié)的命令字和1字節(jié)的狀態(tài)碼組成，消息體由不同的命令字確定，允許空內(nèi)容[2]。

FastDFS應用中主要包括文件上傳和文件下載兩種應用流程。

3.1 文件上傳

文件上傳時，由FastDFS客戶端向跟蹤服務器發(fā)送帶有101命令字的消息請求，跟蹤服務器按照負載均衡算法返回可用的存儲服務器Socket地址，再由FastDFS客戶端向指定的Socket地址發(fā)送帶有11命令字和文件內(nèi)容（可攜帶文件信息）的消息請求完成文件的上傳，存儲節(jié)點返回帶有組名和文件地址的文件標識，例如：group2/M07/1B/D8/ClhYsVz0lV6AWXPXAABKRaBPLb0897.jpg，見圖1。

圖1 文件上傳流程

在FastDFS中，上傳后的文件標識不是由客戶端指定，而是由Storage節(jié)點生成后返回給客戶端的，文件標識作為文件訪問憑證。

3.2 文件下載

文件下載時，由FastDFS客戶端向Tracker服務器發(fā)送帶有102命令字和文件標識的消息請求，Tracker按照文件標識找到匹配的Storage存儲節(jié)點服務器Socket地址，再由FastDFS客戶端向指定的Socket地址發(fā)送帶有14命令字和文件標識的消息請求，存儲節(jié)點返回文件內(nèi)容，見圖2。

圖2 文件下載流程

4 FastDFS文件尋址算法研究

FastDFS返回的文件標識，其表現(xiàn)形式類似于文件路徑，字符長度在46～61，與業(yè)務系統(tǒng)整合應用時，常規(guī)做法是增加UUID唯一識別碼與文件標識進行映射，然后將UUID唯一標識碼作為業(yè)務數(shù)據(jù)對應的文件編碼進行存儲。文件標識映射需要使用到數(shù)據(jù)庫或Redis緩存，在高并發(fā)查詢檢索時會給服務器帶來不小的負擔。

結合FastDFS系統(tǒng)特點，本文采用了幾種常見的Base編碼方案來研究FastDFS文件尋址算法。文件上傳時，將服務端返回的FastDFS文件標識解析為210 bit數(shù)據(jù)內(nèi)容，經(jīng)過Base編碼后生成36個字節(jié)的文件編碼作為文件的業(yè)務標識。文件下載時，將文件編碼經(jīng)過Base解碼為210 bit數(shù)據(jù)內(nèi)容，再轉換為文件標識。目前已在多個項目的生產(chǎn)環(huán)境中使用FastDFS分布式文件系統(tǒng)和文件尋址算法。

4.1 Base編碼方案

把二進制數(shù)據(jù)轉化為可打印字符集數(shù)據(jù)稱為base encoding，編碼后的數(shù)據(jù)方便用于存儲和網(wǎng)絡傳輸，本文中涉及Base32、Base64和Base62 3種編碼方案。

Base32基于32個包括字母A～V、數(shù)字0～9的可打印字符。

Base64按照bit流進行編碼，24（6和8的最小公倍數(shù)）bit為一組。

Base62是一種基于62個可打印字符來表示二進制數(shù)據(jù)的表示方法，可打印字符包括字母A～Z、a～z、數(shù)字0～9，共有62個字符。Base62提供了一種無符號輸出的Base64的編碼方案，在許多應用場合其純字母和數(shù)字的輸出形式，可以有效規(guī)避因為符號帶來的各種負面影響，并能夠有效削減或兼容各種Base64的變種形式。

4.2 文件標識解析

FastDFS文件標識由組名、主目錄索引、一級子目錄、二級子目錄、文件名5個部分組成。

（1）最大支持512個分組（V2.06之前的版本最大支持64個分組）；

（2）最大支持256個主目錄；

（3）最大支持256×256個子目錄；

（4）文件名固定為34個字符，可包含“-”和“_”半角符號；

（5）支持不超過6個字符的文件擴展名（允許無擴展名）。

文件名的前27個字符是base64編碼字符，文件名可解析為以下6個信息。

（1）存儲節(jié)點服務器IPv4（32位整數(shù)）；

（2）文件創(chuàng)建時間（UNIX時間戳，32位整數(shù)）；

（3）文件大?。?4位整數(shù)）；

（4）文件CRC32校驗碼（32位整數(shù)）；

（5）文件擴展名（例如.jpg）；

（6）隨機數(shù)（用來填補文件編號長度，其長度與文件擴展名的長度加起來等于7）。

前4個信息組合起來的160 bit數(shù)據(jù)內(nèi)容經(jīng)過base64編碼后形成27個字符的唯一識別碼，F(xiàn)astDFS支持不超過6個字符的文件擴展名，為了保持長度的一致性，當文件擴展名小于6個字符時，F(xiàn)astDFS將隨機生成的阿拉伯數(shù)字填入文件標識中。

4.3 文件尋址算法

FastDFS文件標識編碼原則，見圖3。

圖3 FastDFS文件標識編碼圖解

（1）使用group1至group512對分組名稱進行統(tǒng)一命名（不支持其他自定義命名的組名），編碼時僅保留分組索引；

（2）對通用的文件擴展名進行映射管理，最多可設置36個通用的文件擴展名映射編碼；

（3）使用Base編碼后的文件編碼長度固定為36個字符；

（4）支持未設置映射編碼的文件擴展名（此時應使用文件編碼.后綴名完成文件尋址）。

FastDFS文件標識編碼方式如下。

（1）使用2個32進制編碼裝載10位二進制（方便快速識別分組信息）；

（2）使用7個62進制編碼裝載41位二進制；

（3）使用9個62進制編碼裝載53位二進制。

FastDFS文件編碼尋址過程如下。

（1）使用Base32將文件編碼的前兩個字符解碼為10 bit數(shù)據(jù)內(nèi)容；

（2）使用Base62將文件編碼的第3～9個字符解碼為41 bit數(shù)據(jù)內(nèi)容；

（3）使用Base62將文件編碼的剩余27個字符分3次解碼為3組53 bit數(shù)據(jù)內(nèi)容；

（4）將開頭的10 bit數(shù)據(jù)內(nèi)容轉換為分組索引并加上group分組前綴（見圖3的group2）；

（5）從41 bit數(shù)據(jù)內(nèi)容中取出前3個字節(jié)，轉換為文件目錄（見圖3的M07/1B/D8）；

（6）從41 bit數(shù)據(jù)內(nèi)容中取出1 bit，其他3個53 bit數(shù)據(jù)內(nèi)容中分別取出5 bit，按順序組成擴展數(shù)據(jù)項，其中十進制的第1個數(shù)據(jù)位為預定義文件擴展名（見圖3的.jpg），其他數(shù)值為文件標識中擴展部分的隨機阿拉伯數(shù)字（見圖3的897）；

（7）其他剩下的160 bit數(shù)據(jù)內(nèi)容，使用Base64解碼為27個字符的唯一識別碼（見圖3的ClhYsVz0lV6AWXP XAABKRaBPLb0）；

（8）最終尋址結果：group2/M07/1B/D8/ClhYsVz0lV6 AWXPXAABKRaBPLb0897.jpg。

5 結語

本文結合公司多個項目開發(fā)過程中碰到的圖片存儲服務文件編碼和檢索問題，研究了基于FastDFS分布式文件系統(tǒng)的文件編碼到文件地址的轉換算法，有效提升了文件地址的檢索速度[3]。