Alluxio原理和应用场景随笔

上周末有幸参加了Alluxio(之前也叫Tachyon)，七牛云和示说网举办的Alluxio上海Meetup，之前我并没有在真实应用场景中使用过Alluxio，对其适用的应用场景一直报怀疑态度。自信聆听其创始人的演讲之后，感觉这个项目还挺有意思，对Alluxio简单总结一下：

• DAL（数据访问层）

Alluxio提供了各种文件访问API，包括兼容HDFS的API，Alluxio特有的数据访问API，Rest API和FUSE API，特别是FUSE API，支持POSIX标准的文件访问接口，让很多单机版的程序（如TensorFlow），可以享受大数据和云端的数据存取。不过它并不支持随机的文件写访问，想想也合理，毕竟底层文件存储系统可能是HDFS或者S3；

• 统一数据访问

依然如上图，Alluxio底层的存储系统可以是亚马逊的S3，Google的存储，阿里云OSS，也可以是HDFS，甚至是单机的SAS，NFS。让这些文件系统都可以无缝与现有的大数据平台（通过HDFS Compatible API），或者单机版软件（通过FUSE API）完全兼容。

• 透明的文件缓存抽象

高效访问数据的时候，如何做好文件缓存，其实对应应用程序开发者而言，有时候出于性能的考虑是非常重要的，Alluxio提供了透明的缓存方案，让内存（DRAM），本地快速存储器（SSD），本地慢速存储器（HDD）以及云端存储（HDFS/OSS/S3）等，形成一个层次化的缓存机制，让热的数据尽可能接近快速访问设备，这个对于深度学习和其它反复迭代访问数据的模型而言，性能的提升就不言而喻了。

那么Alluxio的主要应用场景有哪些呢？

1. 基于SAS平台单机应用，想无缝扩容，可以考虑用Alluxio的FUSE API，底层用HDFS或者其它云端存储。
2. 基于HDFS的分布式应用，想访问单机或者NFS的设备上的文件，可以考虑用HDFS Compatiable API。
3. 反复迭代读取远端（比如云端，跨数据中心，跨集群，也可以是超大HDFS集群中加速某个应用的数据访问）数据，可以部署Alluxio

Alluxio应用场景在传统的小型集群中可能碰不太到，但是越来越多的应用都是混合云的情况，特别是数据和计算分离的场景，异构的数据存储带来的系统耦合，都可以通过Alluxio来解耦，不过目前Alluxio也有自身的一些问题，多个副本可能同时存在多个Alluxio个节点上，造成了事实上的数据缓存浪费，2.0版本中可能会有所更新。

不过最有意思的，来自与Alluxio初创成员讲分布式系统设计中的坑，不完全是针对Alluxio的，而是开发Alluxio类似这种大型分布式系统，肯能碰到的经验和收获，包括netty的资源泄露问题，jvm的问题等等，更多细节可以看看示说网Alluxio 2.0 Overview分享。