IoT前沿|5G时代下,大数据存储面临的三大挑战

2019/3/20 10:28:31来源:中国网作者:xl0

为什么开设“IoT前沿”专栏呢?事情是这样的:

一个月前,小编在戴尔科技集团知乎号(知乎搜索戴尔科技集团)回答了一个问题——

“开源分布式流存储Pravega前景怎么样?”

没想到回答发出之后,得到了大家的点赞和积极互动!


选取其中一些评论,看看大家在讨论什么▼

知乎前排网友:

@Sky快跑:不懂…什么叫原生流存储?

@常平:其实是专门针对流数据这样的数据类型而设计的存储系统,支持流数据的原生属性。

@Sky快跑:比较好奇流数据的原生属性是什么?_?

@常平:“流数据是一组顺序、大量、快速、连续到达的数据序列,一般情况下,数据流可被视为一个随时间延续而无限增长的动态数据集合。应用于网络监控、传感器网络、航空航天、气象测控和金融服务等领域”
– 来源xx百科。用人话来说就是 自带 “标签 指标 时间戳”,以事件为单位特点是无限多,传输场景复杂。

@Sky快跑:感谢回复,看起来就像持久存储上面加了一层kafka?无限是指可以无限延续并且无限回溯?

@常平:有点类似kafka,但是kafka定位是消息系统,而这个是存储系统。无限是指数据可以无限的往里头存,无限延续。

▲可见,对于新技术,大家都有着非常强烈热情。而随着5G时代的来临,无论是投资者、企业家还是创业者都在加紧备战,以期在下一个十年中抓住最重要的机会。因此,为了方便大家了解前沿技术动态,小编也把这个回答也发布在这里,并特别开设“IoT前沿”专栏,向大家介绍戴尔科技集团的最新技术情报。快人一步,方能致胜未来!

作者简介

滕昱

滕昱:就职于Dell EMC中国研发集团,非结构化数据存储部门团队并担任软件开发总监。2007年加入Dell EMC以后一直专注于分布式存储领域。参加并领导了中国研发团队参与两代Dell EMC对象存储产品的研发工作并取得商业上成功。从2017年开始,兼任Streaming存储和实时计算系统的设计开发与领导工作。


周煜敏

周煜敏:复旦大学计算机专业研究生,从本科起就参与Dell EMC分布式对象存储的实习工作。现参与Flink相关领域研发工作。

工业物联网,车联网和实时欺诈风控的需求正在飞速发展,越来越多的企业新应用需要的是快速响应客户需求,并同时学习和适应不断变化的行为模式。同时,随着5G网络、容器云、高性能存储硬件水平的不断提高,数据增长进入了空前的发展阶段。

和以往不同的是,无处不在的物联网、自动驾驶汽车等边缘计算所产生的数据源源不断,就像开着的水管,数据源一直在流出。

这就给当前大数据处理系统(无论何种架构)提出了一个问题,即:

计算是原生的流计算,而存储却不是原生的流存储

当前大数据存储主要存在三大问题

下图是目前大数据处理平台最常见的Lambda架构,它的优势在于满足了实时处理与批处理需求,但是,从存储的角度看其缺点也很明显,可以总结为如下三点▼:

① 实时处理、批处理不统一,不同的处理路径采用了不同的存储组件,增加了系统的复杂度,导致了开发人员的额外学习成本和工作量。

② 数据存储多组件化、多份化,如下图,同样的数据会被存储在Elastic Search、S3对象存储系统、Kafka等多种异构的系统中,而且考虑到数据的可靠性,数据还都是多份冗余的,这就极大的增加了用户的存储成本。而往往对于企业用户来说,0.1%的存储冗余都意味着损失。

③ 系统里存储的组件太多太复杂,也增加了使用的运维成本。并且大部分现有的开源项目还处于“强运维”的产品阶段,对于企业用户来说又是很大的开销。


Lambda架构

每种类型的数据都有其原生的属性和常用访问模式,对应有最佳的适用场景以及最合适的存储系统。为了解决如上提出的三个问题:降低开发成本、减少存储成本与减少运维成本,自然也就需要新的存储类型。在这里,我们将从最新的数据类型出发,探讨5G时代下数据存储新思路。

第四种存储类型:流存储

从存储的视角来说,存储架构的设计需要首先明确所存储的数据的特点。在物联网、自动驾驶汽车、金融等实时应用场景中,所需要存储的数据一般被称之为“流数据”,流数据一般被定义为:

流数据是一组顺序、大量、快速、连续到达的数据序列,一般情况下,数据流可被视为一个随时间延续而无限增长的动态数据集合。


四大存储类型

上图所示▲,我们将流数据定义为第四种数据类型,从左到右分布着四种最常见的的存储类型。传统数据库这类基于事务的程序适合采用块存储系统。文件共享场景下需要在用户间共享文件进行读写操作,因此适合采用分布式文件(NAS) 存储系统。而需要无限扩展并支持REST接口读写的非结构化的的图像/音视频文件则非常适合采用对象存储系统。

而针对流数据的应用场景,就需要流数据存储满足以下需求:

低延时:在高并发条件下 <10ms 的读写延时。

仅处理一次:即使客户端、服务器或网络出现故障,也确保每个事件都被处理且只被处理一次。

顺序保证:可以提供严格有序的数据访问模式

检查点:确保每个读客户端 / 上层应用能保存和恢复原来的使用状态

在物联网的世界,数据是实时的,分析也是实时的。获得业务洞察以赢得价值还是错失关键机会,对企业来说也许只有几毫秒的差距,而真正的流式数据处理可以减少传统的小批量分析方法的宝贵时间。

为此,戴尔科技集团IoT部门的团队重新思考了流式数据处理和存储规则,为这一场景重新设计了新的存储类型,即原生的流存储,就这样“Pravega”诞生了。


本期内容我们主要介绍了,当前大数据存储在5G时代下面临的挑战,以及需要用怎样的存储类型来满足新的数据类型的要求,由此引出了Pravega的诞生。今天是个开头,在下一期的“IoT前沿”中,我们将重点介绍Pravega的优势和特点,以及Pravega诞生之前数据处理架构的发展。欢迎大家保持关注,下一期见~

? 关于Pravega

Pravega属于戴尔科技集团IoT战略下的一个子项目。该项目是从0开始构建,用于存储和分析来自各种物联网终端的大量数据,旨在实现实时决策。其结合了创新的开源流软件(Pravega)、戴尔易安信PowerEdge服务器,并无缝集成到非结构化数据产品组合Isilon和Elastic Cloud Storage(ECS)中,并拥抱Flink生态,以此为用户提供IoT所需的关键平台。


责任编辑:xl

相关阅读

热点图片

频道推荐