非结构化数据存储解决方案.docx

Revised as of 23 November 2020

非结构化数据存储解决方案

1. 非结构化数据存储

在上图中，描述了非结构化数据存储架构的基本组成部分，其中：
1. 文件存取统一接口，封装了对数据中心所以非结构化数据的读写操作接口。
2. Hadoop HDFS 负责对大文件的存储，以HDFS：为文件协议标准
3. HBase 通过维护一张文件表完成对小文件的存储，以HBase：为文件协议标识
文件存取统一接口
文件存储接口
对文件进行存储前，接口根据文件的大小和HDFS文件分块的配置大小进行比较，当文件超过设定大小时，接口认为该文件是大文件，直接分配到HDFS文件存储接口进行写入；否则当文件小与块大小时，根据系统维护的Hbase小文件存储通用存储表进行存储管理。

1. 对直接存储到HDFS的文件，则文件路径以HDFS为中心存储文件协议头，文件路径则根据该文件的业务属性做完文件的路径，文件名称保留原有名称，例如： 对通过Hbase管理的小文件，则文件路径以HBASE为中心存储文件协议头，文件路径不需要分文件夹，直接以文件的唯一标识标识即可，例如： 文件读取接口
文件读取时，通过识别URL，确定文件的存储方式，然后找到对应的存储接口获取文件。

1.1 Hadoop HDFS存储接口
完成大文件的存储与读取接口操作。
1.2 Hbase存储接口
文件通用存储表结构：

表存在两个列簇，default列簇负责存储基础属性信息，用一个单独的列簇存储图片内容。
HBase是采用面向列的存储模型，按列簇来存储和处理数据，即同一列簇的数据会连续存储。HBase在存储每个列簇时，会以Key-Value的方式来 存储每行单元格(Cell)中的数据，形成若干数据块，然后把数据块保存到HFile中，最后把HFile保存到后台的HDFS上。由于用单元格 (Cell)存储图片小文件的内容，上述存储数据的过程实际上隐含了把图片小文件打包的过程。默认情况下，HBase数据块限制为64KB。由于图片内容作为单元格(Cell)的值保存，其大小受制于数据块的大小。在应用中需根据最大图片大小对HBase数据块大小进行修改。具体修改方法是在表创建时，用HColumnDescriptor指定数据块大小，可分列簇指定，具体配置如下图：