对象存储学习笔记

本文主要包括：

• 对象存储学习笔记

一、对象存储基础概念

1. 定义与定位
   对象存储是专为海量非结构化数据设计的存储范式，以对象为基本存储单元，通过扁平命名空间和RESTful API实现高效管理。
   • 核心区别：与块存储（低延迟随机访问）、文件存储（树状目录结构）的差异。
2. 核心组件
   • 对象（Object）：包含数据本体、全局唯一ID（如UUID）和元数据（如创建时间、用户标签）。
   • 存储桶（Bucket）：逻辑容器，用于组织对象，支持跨地域分布式存储。
   • 元数据服务器（MDS）：管理对象属性和存储位置，优化检索效率。

二、核心架构与技术

1. 分布式存储架构
   • 数据分布策略：通过一致性哈希或CRUSH算法将对象均匀分布到集群节点，支持动态扩缩容。
   • 冗余与容错：多副本（如3副本）或纠删码（如6+3）技术保障数据可靠性，支持跨区域复制。
2. 访问协议与接口
   • RESTful API：基于HTTP协议，常用操作包括PUT（上传）、GET（下载）、DELETE（删除），支持JSON/XML格式元数据。
   • 典型协议：Amazon S3、OpenStack Swift、Ceph RGW等。

三、关键技术特性

1. 数据可靠性与可用性
   • 持久性机制：通过多副本同步写入和版本控制（如S3版本管理）实现99.999999999%（11个9）的数据可靠性。
   • 一致性模型：最终一致性（跨区域场景）与强一致性（同区域操作）的选择策略。
2. 扩展性与性能优化
   • 水平扩展：无中心节点设计，支持存储容量从TB到EB级无缝扩展。
   • 高并发处理：分布式架构支持数万级QPS并发访问，适合视频流、大数据分析等场景。

四、与HDFS的核心区别

维度	对象存储	HDFS
数据模型	以“对象”为基本单元，包含数据、元数据和唯一ID，无目录层级。	以“文件+目录”为结构，支持树状层级命名空间。
访问接口	基于RESTful API（如S3协议），支持HTTP/HTTPS协议直接访问。	基于HDFS API和命令行（如hdfs dfs），需通过Hadoop生态访问。
元数据管理	元数据分布式存储，支持海量小文件，无单点瓶颈。	依赖NameNode集中管理元数据，小文件场景下元数据膨胀易导致性能下降。
存储效率	支持纠删码（EC）技术，存储开销可低至1.2倍（如10+2模式），适合冷数据归档。	默认3副本存储，存储开销3倍，小文件场景下冗余效率更低。
扩展性	支持水平扩展，可通过增加节点无缝扩容，适合超大规模数据（如EB级）。	扩展性受限于NameNode内存，大规模集群需复杂高可用方案。
典型场景	海量小文件存储、实时数据访问、云原生数据湖。	大文件批量处理、离线数据分析（如MapReduce/Spark作业）。

补充说明：

• 对象存储更适合“一次写入、多次读取”的场景，而HDFS在需要频繁修改数据的场景中表现更优。
• 云厂商对象存储（如AWS S3、阿里云OSS）已深度集成计算框架（如Spark），可直接作为数据湖底座，而HDFS更多用于自建集群的离线计算。

对象存储学习笔记（优化版）

一、对象存储基础认知

1. 核心特点

   • 扁平化结构：无目录层级，通过唯一ID（如bucket-name/object-key）直接定位数据，适合海量文件管理。
   • 元数据丰富：支持自定义元数据（如用户标签、业务属性），便于分类检索。
   • RESTful API：标准化接口（如HTTP PUT/GET/DELETE），与编程语言无缝集成。

2. 与文件存储、块存储对比

   特性	对象存储	文件存储	块存储
   访问方式	HTTP/HTTPS协议	POSIX协议（如NFS）	直接读写磁盘扇区
   典型场景	图片/视频存储、备份	代码仓库、配置文件	数据库、虚拟机磁盘
   扩展性	极易扩展（EB级）	中等（依赖服务器性能）	受限于存储设备

二、技术架构深入解析

1. 数据分布与冗余

   • 一致性哈希算法：将对象均匀映射到集群节点，扩容时仅迁移少量数据（如Ceph CRUSH算法）。
   • 纠删码（EC）：将数据分片并生成校验块（如6+3模式），存储开销仅为1.5倍，显著低于副本机制。

2. 元数据管理优化

   • 分布式元数据库：将元数据分散存储到多个节点（如AWS S3的DynamoDB设计），避免NameNode单点瓶颈。
   • 小文件合并：通过内部封装（如Hadoop Ozone的“文件到对象”转换）减少元数据压力。

三、与HDFS的深度对比

1. 设计目标差异

   • 对象存储：为“存储即服务”设计，强调高可用、易扩展和跨平台访问。
   • HDFS：为“计算贴近存储”设计，优化大规模批处理任务的本地化读取。

2. 性能关键指标对比

   场景	对象存储	HDFS
   小文件写入	高吞吐（支持批量上传）	元数据压力大，性能下降明显
   大文件读取	延迟较高（需网络传输）	低延迟（数据本地化）
   随机修改	不支持（仅追加写）	支持（但需全量重写）

华为OBS使用案例

OBS集成HDFS

1. 将hadoop-huaweicloud-x.x.x-hw-y.jar拷贝到/opt/hadoop-3.1.1/share/hadoop/tools/lib和/opt/hadoop-3.1.1/share/hadoop/common/lib目录下
2. 修改core-site.xml

   <property>
      <name>fs.obs.impl</name>
      <value>org.apache.hadoop.fs.obs.OBSFileSystem</value>
   </property>
   <property>
       <name>fs.AbstractFileSystem.obs.impl</name>
       <value>org.apache.hadoop.fs.obs.OBS</value>
   </property>
   <property>
         <name>fs.obs.access.key</name>
       <value>xxx</value>
       <description>HuaweiCloud Access Key Id</description>
   </property>
   <property>
       <name>fs.obs.secret.key</name>
       <value>xxx</value>
       <description>HuaweiCloud Secret Access Key</description>
   </property>
   <property>
       <name>fs.obs.endpoint</name>
       <value>xxx</value>
       <description>HuaweiCloud Endpoint</description>
   </property>

3. 命令行验证

   hadoop fs -ls obs://ddp-data-test/
   hdfs dfs -put hdfs_results.json obs://ddp-data-test/
   hadoop fs -rm -r -skipTrash obs://ddp-data-test/hdfs_results.json

   其他操作就跟操作hdfs几乎一样

java操作OBS

1. 引Maven依赖

   <dependency>
       <groupId>com.huaweicloud</groupId>
       <artifactId>esdk-obs-java-bundle</artifactId>
       <version>3.23.9</version>
   </dependency>

2. 编写java代码

   public class OBSTest {
       private static final String endPoint = "xxxx";
       private static final String sk = "xxx";
       private static final String ak = "xxx";
       private static ObsClient obsClient;
       private static String bucketName = "xxx";
       public static void main(String[] args) throws IOException {
           ObsConfiguration config = new ObsConfiguration();
           config.setSocketTimeout(30000);
           config.setConnectionTimeout(10000);
           config.setEndPoint(endPoint);
   
   
           obsClient = new ObsClient(ak, sk, config);
           obsClient = new ObsClient(ak, sk, config);
           ListBucketsRequest request = new ListBucketsRequest();
           request.setQueryLocation(true); // 可选：是否查询桶的区域位置
   
           List<ObsBucket> obsBuckets = obsClient.listBuckets(request);
   
           // 打印桶信息
           for (ObsBucket bucket : obsBuckets) {
               System.out.println("Bucket名称: " + bucket.getBucketName());
               System.out.println("桶类型: " + bucket.getBucketType());
               System.out.println("存储类别: " + bucket.getStorageClass());
               System.out.println("创建时间: " + bucket.getCreationDate());
               System.out.println("----------------------");
           }
   
           // 关闭客户端
           obsClient.close();
       }
   }

   注意： 这里查看有哪些桶需要有对应的权限，公司对桶相关的操作权限没有对研发开放。包括创建、list、删除等操作，所以这里报错：

   Error message:Request Error.OBS service Error Message. -- ResponseCode: 403, ResponseStatus: Forbidden,

   查看桶内所有文件

   obsClient = new ObsClient(ak, sk, config);
   obsClient = new ObsClient(ak, sk, config);
   obsClient.listObjects(new ListObjectsRequest(bucketName));
   ObjectListing objectListing;
   
   System.out.println("List objects using default parameters:\n");
   objectListing = obsClient.listObjects(bucketName);
   for (ObsObject object : objectListing.getObjects()) {
       System.out.println("\t" + object.getObjectKey() + " etag[" + object.getMetadata().getEtag() + "]");
   }

   查看指定路径下文件/文件夹，类似hdfs dfs -ls obs://ddp-data-test/

   String path = ""; // 留空表示当前路径，或设置为具体路径（如"subdir/"）
   // 构造ListObjects请求
   ListObjectsRequest request = new ListObjectsRequest();
   request.setBucketName(bucketName);
   request.setDelimiter("/"); // 关键：仅列举当前层级的文件夹
   request.setPrefix(path);   // 可选：限制路径（如"subdir/"）
   try {
       // 执行请求
       ObjectListing objectListing = obsClient.listObjects(request);
       // 打印当前层级的文件夹路径
       System.out.println("Folders:");
       for (String prefix : objectListing.getCommonPrefixes()) {
           System.out.println(prefix); // 输出类似 "subdir1/"、"subdir2/"
       }
       // 打印当前层级的文件
       System.out.println("\nFiles:");
       for (ObsObject obj : objectListing.getObjects()) {
           System.out.println(obj.getObjectKey()); // 输出文件名（不含路径）
       }
   } catch (Exception e) {
       e.printStackTrace();
   } finally {
       // 关闭客户端
       obsClient.close();
   }