百度开源的万亿量级数据库系统 ​Tera

百度开源的万亿量级数据库系统 ​Tera

  • 开源协议:BSD
  • 操作系统: Linux
  • 开发语言:C/C++
  • 项目所有者:Baidu
  • 收录时间:2016-10-25
  • 分享:
编辑评级
4

项目详细介绍

Tera 是一个高性能、可伸缩的数据库系统,被设计用来管理搜索引擎万亿量级的超链与网页信息。为实现数据的实时分析与高效访问,我们使用按行键、列名和时间戳全局排序的三维数据模型组织数据,使用多级Cache系统,充分利用新一代服务器硬件大内存、SSD盘和万兆网卡的性能优势,做到模型灵活的同时,实现了高吞吐与水平扩展。

特性

  • 全局有序

  • 热点自动分片

  • 数据强一致

  • 多版本,自动垃圾收集

  • 按列存储,支持内存表

  • 动态schema

  • 支持表格快照

  • 高效随机读写

数据模型

Tera使用了bigtable的数据模型,可以将一张表格理解为这样一种数据结构:
map<RowKey, map<ColummnFamily:Qualifier, map> > 
其中RowKey、ColumnFamily、Qualifier和Value是字符串,Timestamp是一个64位整形。ColumnFamliy需要建表时指定,是访问控制、版本保留等策略的基本单位。

系统架构

系统主要由Tabletserver、Master和ClientSDK三部分构成。其中Tabletserver是核心服务器,承载着所有的数据管理与访问;Master是系统的仲裁者,负责表格的创建、schema更新与负载均衡;ClientSDK包含供管理员使用的命令行工具teracli和给用户使用的SDK。 表格被按RowKey全局排序,并横向切分成多个Tablet,每个Tablet负责服务RowKey的一个区间,表格又被纵向且分为多个LocalityGroup,一个Tablet的多个Localitygroup在物理上单独存储,可以选择不同的存储介质,以优化访问效率。

架构图

系统依赖

  • 使用分布式文件系统(HDFS、NFS等)持久化数据与元信息

  • 使用zookeeper选主与协调

  • 使用Sofa-pbrpc实现跨进程通信

系统构建

参考BUILD

使用示例

参考wiki

反馈与技术支持

[email protected]


标签:百度