网格环境下数据副本创建策略

网格环境下数据副本创建策略
庞丽萍陈勇
(华中科技大学计算机科学与技术学院湖北武汉 430074)
摘要：本文在网格环境中探讨了数据副本创建策略，包括域内副本衍生和域间副本扩展策略。

策略选择恰当的时机和地点创建副本，在充分利用存储资源的同时改善了用户的访问速度和带宽消耗。

关键词：网格副本创建
Abstract: This article investigates replica location strategies which incorporate in-domain replica reproducing and mid-domain replica spreading strategies based on the grid scenario. The strategies choose apropos time and sites to create replica in order to decrease user access time and network consume under consideration of making use of storage resource.
Keyword: Grid; replica; location
网格环境为广域网范围的用户提供了数据共享和计算能力集成，而广域网络高延迟限制了用户对分散大数据的快速访问，为此，系统需根据用户的动态访问特征及时向用户端扩展数据副本，数据复制减少了数据在节点间的移动，从而降低了用户对远端数据的访问延迟和带宽消耗。

同一数据创建多个副本也能有效的改善负载平衡和数据可靠性。

在网格数据副本模型研究中，副本的创建策略和副本的一致性是两个关键性问题。

前者是根据代价规则评估副本创建时机和地点所带来的数据访问性能提升，后者侧重于如何在广域范围内保证数据副本更新一致性。

本文假定在层次拓扑结构的网格环境中数据更新较少的条件下探讨数据副本的创建策略。

1概念的提出
副本创建策略就是如何确定创建副本的时机和地点。

策略代价评估规则必须考虑运行系统负载，存储终端效率、网络状况和数据副本尺寸大小等物理特性因素，并结合用户访问特征决定副本创建时机和地点。

为了更好的控制副本创建，副本模型根据网络拓扑影响的延迟而区分为域内副本衍生和域间副本扩展策略。

域内副本衍生策略通过在域内衍生副本增加用户的数据访问点以实现域内文件主机的负载均衡；域间副本扩展策略依据Popular原则即用户访问副本次数驱使副本在域间扩展，减少了用户的访问延迟和带宽消耗。

2域内副本衍生策略
域内副本衍生实现在域内创建更多的副本以减轻现有域数据副本的访问负荷，改善负载均衡。

域内任务调度器负责将用户的对域内副本读访问请求任务分配到域内对应副本宿主机上执行。

系统收集任务执行状况和存储主机状态，利用[1]中提出的系统负载预测方法获取存储节点的负载值L，再结合域内用户对域内副本的访问热度，系统根据PQ参数原则[2]触发副本创建进程。

设域内有G个可用存储系统，其中含同一副本存储系统有(S1,S2,…,S n)，其对应的负载值为（L1,L2,…,L n）；设置参数P,Q(P<Q)，P值要求系统可以对剧烈增长的用户访问请求作出及时响应，Q值则对副本创建更为谨慎，其允许文件及副本主机服务器性能暂时波动；T
为域内用户对副本在单位时间内的访问次数阈值;L为域内副本存储节点负载平均阈值。

若
S m对应的L m=min(L1,L2,…,L n),S m’为G -∑n
i
i
S中最佳存储资源，判断触发时机步骤如下：
(1) 当域内用户单位时间内访问域内副本次数小于T,放弃副本创建；
(2) 在P时段内，(∑n
i
i
L/n)’≥0, 且∀εt∈P, (∑n
i
i
L/n)t≥L，则转（4）;
(3) 在Q时段内,若εt Q
∈，(∑n
i
i
L/n)t < L则放弃副本创建；
(4) 触发副本创建进程，进程负责启动和监控S m到S m’的副本传输和创建过程。

3域间副本扩展策略
域间副本扩展主要实现副本域副本向无副本域扩展的过程。

在层次网络拓扑结构中，[3]中提出了六种域间副本扩展策略，其中Fastspread和Cascading较之其它四种策略可以节省网络带宽和延迟达到60%。

Fastspread策略在用户访问文件路径的所有节点主机上创建副本。

Cascading策略可以定期识别热度文件，并将文件沿着层次副本扩展。

本文提出T-value域间副本扩展策略较之前两者更好适应了随机网格数据访问环境。

T-value策略包括：副本访问原则：
文件有多个副本分布在网格中，用户首先选择所在域内的副本访问数据；若域内无副本，用户选择距离自己AS跳数最少的副本域请求副本读访问；若有多个相同跳数的副本域，用户选择反应时间最快的副本域。

副本域为用户选择一个最佳副本宿主机为用户服务。

3.2 创建算法：
假设域内相同副本视作一个副本。

网格范围G内源文件F有多个副本（R1,R2,…,R n）分布在网格各个不同的层次域，其对应的副本数据访问服务范围为（Q1,Q2,…,Q n）,源文件F 的服务范围Q f，Q f⋃Q1⋃Q2⋃…⋃Q n = G, 且Q f∅Q i ( i= 1,2,…,n )；Q i∅Q j ( i,j=1,2,…,n ;
i ≠j )。

在上述假设前提下，ε
∀Q i (i=1,2,…,n), 设Q i内包含域（D1,D2,…,D n）,且R i所在的域∉(D1,D2,…,D n),若对应域D i内用户访问R i的次数为h i,（D1,D2,…,D i-1,D i+1,…,D n）域用户读访问副本R i数据经过域D i的总次数为h i’，系统根据副本尺寸大小和Q i内网络拓扑结构设定各对应域访问次数阈值T i。

ε
∀D i (i=1,2,…,n),若h i+h i’>T i,则无副本域D i向R i所在域申请副本创建。

4性能参数比较和分析：
假定在模拟网格环境中比较T-value域间副本扩展策略和Fastspread、Cascading性能。

若网格环境中有7个主数据域节点，主节点之间和用户与父结点之间网络带宽都为100M,网络延迟为20ms,,第三层节点域的用户访问位于根节点域的文件F1,文件大小为100M, 网格语境根据用户的访问特征分为集中式、平均式、分散式三种模式。

比较指标有副本存储空间占用、副本访问网络传输时间、副本更新时间三种参数。

副本存储空间占用反映文件F1的所有副本创建后占用的物理存储空间；副本访问网络传输时间指副本创建后，特征用户平均访问一次副本数据在网络间传输的时间；副本更新采用Master-Slave完全机制，其时间包括源文件的一次更新扩展到所有副本所经历的总时间。

4.1 三种策略下的副本创建
下面，讨论集中式、平均式、分散式三种模式下，分别采用Fastspread、Cascading、T-value 策略时副本创建的情况。

4.1.1 集中式：：
在集中模式下，对文件F1的访问集中在某一个用户(如user1)或某一个用户域(如D1)，在此模式下三种策略副本创建如图1所示。

D1 D1
User1 User1
图1 集中模式副本创建
4.1.2 平均式
在平均模式下，对文件F1的访问量平均分布在各底层用户域（如D1,D2）。

在此模式下三种策略副本创建如图2所示。

Fastspread Cascading T-value
图2 平均模式副本创建图
表2 平均式副本创建性能指标比较
4.1.3 分散式
在分散模式下，对文件F1的访问量在部分用户域呈现平均趋势(如D1,D2)，在部分用户域呈现集中趋势（如D3）。

在此模式下三种策略副本创建如图3所示。

D3
User1
图3 分散模式副本创建图
表3 分散式副本创建性能指标比较
4.2 三种策略的性能分析
从上述特定语境下的模式对应副本创建性能指标初析结果得出，Fastspread策略总是能保持最快的访问响应时间和最低的带宽消耗，其是以牺牲存储空间为代价的，百兆副本创建存储空间消耗和副本更新时间是其他两种策略的大致2-3倍，而百兆副本读访问时间相对于T-value却只能减少2%之内。

T-value在保持和Cascading的相同存储空间占用和较低的带宽消耗的情况下，副本更新时间虽略有上升，百兆副本读访问时间却有减少。

三种策略比较而言，T-value策略在常见的更新较少的数据网格环境中是系统副本创建策略的较佳选择。

参考文献：
1. 李庆华，郭志鑫.一种面向工作站网络的系统负载预测方法.华中科技大学学报, 2002,30(6):49-51.
2. Byoung-Dai Lee,Jon B. Weissman: An Adaptive Service Grid Architecture Using Dynamic Replica Management.GRID 2001:63-74.
3. K. Ranganathan and I. Foster, Design and Evaluation of Replication Strategies for a High Performance Data Grid, International Conference on Computing in High Energy and Nuclear Physics, Beijing, September 2001.。