前言

Apache Kudu是由Cloudera開源的存儲引擎，可以同時提供低延遲的隨機讀寫和高效的數(shù)據(jù)分析能力。Kudu支持水平擴展，使用Raft協(xié)議進行一致性保證，并且與Cloudera Impala和Apache Spark等當前流行的大數(shù)據(jù)查詢和分析工具結(jié)合緊密。本文將為您介紹Kudu的一些基本概念和架構(gòu)以及在企業(yè)中的應(yīng)用，使您對Kudu有一個較為全面的了解。

一、為什么需要Kudu

Kudu這個名字聽起來可能有些奇怪，實際上，Kudu是一種非洲的大羚羊，中文名叫“捻角羚”，就是下圖這個樣子：

捻角羚，圖片來源見水印

比較有意思的是，同為Cloudera公司開源的另一款產(chǎn)品Impala，是另一種非洲的羚羊，叫做“黑斑羚”，也叫“高角羚”。不知道Cloudera公司為什么這么喜歡羚羊，也許是因為羚羊的速度快吧。
言歸正傳，現(xiàn)在提起大數(shù)據(jù)存儲，我們能想到的技術(shù)有很多，比如HDFS，以及在HDFS上的列式存儲技術(shù)Apache Parquet，Apache ORC，還有以KV形式存儲半結(jié)構(gòu)化數(shù)據(jù)的Apache HBase和Apache Cassandra等等。既然有了如此多的存儲技術(shù)，Cloudera公司為什么要開發(fā)出一款全新的存儲引擎Kudu呢？
事實上，當前的這些存儲技術(shù)都存在著一定的局限性。對于會被用來進行分析的靜態(tài)數(shù)據(jù)集來說，使用Parquet或者ORC存儲是一種明智的選擇。但是目前的列式存儲技術(shù)都不能更新數(shù)據(jù)，而且隨機讀寫性能感人。而可以進行高效隨機讀寫的HBase、Cassandra等數(shù)據(jù)庫，卻并不適用于基于SQL的數(shù)據(jù)分析方向。所以現(xiàn)在的企業(yè)中，經(jīng)常會存儲兩套數(shù)據(jù)分別用于實時讀寫與數(shù)據(jù)分析，先將數(shù)據(jù)寫入HBase中，再定期通過ETL到Parquet進行數(shù)據(jù)同步。但是這樣做有很多缺點：

用戶需要在兩套系統(tǒng)間編寫和維護復(fù)雜的ETL邏輯。
時效性較差。因為ETL通常是一個小時、幾個小時甚至是一天一次，那么可供分析的數(shù)據(jù)就需要一個小時至一天的時間后才進入到可用狀態(tài)，也就是說從數(shù)據(jù)到達到可被分析之間是會存在一個較為明顯的“空檔期”的。
更新需求難以滿足。在實際情況中可能會有一些對已經(jīng)寫入的數(shù)據(jù)的更新需求，這種情況往往需要對歷史數(shù)據(jù)進行更新，而對Parquet這種靜態(tài)數(shù)據(jù)集的更新操作，代價是非常昂貴的。
存儲資源浪費。兩套存儲系統(tǒng)意味著占用的磁盤資源翻倍了，造成了成本的提升。

我們知道，基于HDFS的存儲技術(shù)，比如Parquet，具有高吞吐量連續(xù)讀取數(shù)據(jù)的能力；而HBase和Cassandra等技術(shù)適用于低延遲的隨機讀寫場景，那么有沒有一種技術(shù)可以同時具備這兩種優(yōu)點呢？Kudu提供了一種“hAppy medium”的選擇：

kudu的定位

Kudu不但提供了行級的插入、更新、刪除API，同時也提供了接近Parquet性能的批量掃描操作。使用同一份存儲，既可以進行隨機讀寫，也可以滿足數(shù)據(jù)分析的要求。

二、Kudu總覽

Tables和Schemas

從用戶角度來看，Kudu是一種存儲結(jié)構(gòu)化數(shù)據(jù)表的存儲系統(tǒng)。在一個Kudu集群中可以定義任意數(shù)量的table，每個table都需要預(yù)先定義好schema。每個table的列數(shù)是確定的，每一列都需要有名字和類型，每個表中可以把其中一列或多列定義為主鍵。這么看來，Kudu更像關(guān)系型數(shù)據(jù)庫，而不是像HBase、Cassandra和MongoDB這些NoSQL數(shù)據(jù)庫。不過Kudu目前還不能像關(guān)系型數(shù)據(jù)一樣支持二級索引。
Kudu使用確定的列類型，而不是類似于NoSQL的“everything is byte”。這可以帶來兩點好處：

確定的列類型使Kudu可以進行類型特有的編碼。
可以提供 SQL-like 元數(shù)據(jù)給其他上層查詢工具，比如BI工具。

讀寫操作

用戶可以使用 Insert，Update和Delete API對表進行寫操作。不論使用哪種API，都必須指定主鍵。但批量的刪除和更新操作需要依賴更高層次的組件（比如Impala、Spark）。Kudu目前還不支持多行事務(wù)。
而在讀操作方面，Kudu只提供了Scan操作來獲取數(shù)據(jù)。用戶可以通過指定過濾條件來獲取自己想要讀取的數(shù)據(jù)，但目前只提供了兩種類型的過濾條件：主鍵范圍和列值與常數(shù)的比較。由于Kudu在硬盤中的數(shù)據(jù)采用列式存儲，所以只掃描需要的列將極大地提高讀取性能。

一致性模型

Kudu為用戶提供了兩種一致性模型。默認的一致性模型是snapshot consistency。這種一致性模型保證用戶每次讀取出來的都是一個可用的快照，但這種一致性模型只能保證單個client可以看到最新的數(shù)據(jù)，但不能保證多個client每次取出的都是最新的數(shù)據(jù)。另一種一致性模型external consistency可以在多個client之間保證每次取到的都是最新數(shù)據(jù)，但是Kudu沒有提供默認的實現(xiàn)，需要用戶做一些額外工作。
為了實現(xiàn)external consistency，Kudu提供了兩種方式：

在client之間傳播timestamp token。在一個client完成一次寫入后，會得到一個timestamp token，然后這個client把這個token傳播到其他client，這樣其他client就可以通過token取到最新數(shù)據(jù)了。不過這個方式的復(fù)雜度很高。
通過commit-wait方式，這有些類似于google的Spanner。但是目前基于NTP的commit-wait方式延遲實在有點高。不過Kudu相信，隨著Spanner的出現(xiàn)，未來幾年內(nèi)基于real-time clock的技術(shù)將會逐漸成熟。

三、Kudu的架構(gòu)

與HDFS和HBase相似，Kudu使用單個的Master節(jié)點，用來管理集群的元數(shù)據(jù)，并且使用任意數(shù)量的Tablet Server節(jié)點用來存儲實際數(shù)據(jù)。可以部署多個Master節(jié)點來提高容錯性。

Kudu架構(gòu)圖，圖片來源于官網(wǎng)

Master

Kudu的master節(jié)點負責(zé)整個集群的元數(shù)據(jù)管理和服務(wù)協(xié)調(diào)。它承擔(dān)著以下功能：

作為catalog manager，master節(jié)點管理著集群中所有table和tablet的schema及一些其他的元數(shù)據(jù)。
作為cluster coordinator，master節(jié)點追蹤著所有server節(jié)點是否存活，并且當server節(jié)點掛掉后協(xié)調(diào)數(shù)據(jù)的重新分布。
作為tablet directory，master跟蹤每個tablet的位置。

Catalog Manager

Kudu的master節(jié)點會持有一個單tablet的table——catalog table，但是用戶是不能直接訪問的。master將內(nèi)部的catalog信息寫入該tablet，并且將整個catalog的信息緩存到內(nèi)存中。隨著現(xiàn)在商用服務(wù)器上的內(nèi)存越來越大，并且元數(shù)據(jù)信息占用的空間其實并不大，所以master不容易存在性能瓶頸。catalog table保存了所有table的schema的版本以及table的狀態(tài)（創(chuàng)建、運行、刪除等）。

Cluster Coordination

Kudu集群中的每個tablet server都需要配置master的主機名列表。當集群啟動時，tablet server會向master注冊，并發(fā)送所有tablet的信息。tablet server第一次向master發(fā)送信息時會發(fā)送所有tablet的全量信息，后續(xù)每次發(fā)送則只會發(fā)送增量信息，僅包含新創(chuàng)建、刪除或修改的tablet的信息。
作為cluster coordination，master只是集群狀態(tài)的觀察者。對于tablet server中tablet的副本位置、Raft配置和schema版本等信息的控制和修改由tablet server自身完成。master只需要下發(fā)命令，tablet server執(zhí)行成功后會自動上報處理的結(jié)果。

Tablet Directory

因為master上緩存了集群的元數(shù)據(jù)，所以client讀寫數(shù)據(jù)的時候，肯定是要通過master才能獲取到tablet的位置等信息。但是如果每次讀寫都要通過master節(jié)點的話，那master就會變成這個集群的性能瓶頸，所以client會在本地緩存一份它需要訪問的tablet的位置信息，這樣就不用每次讀寫都從master中獲取。
因為tablet的位置可能也會發(fā)生變化（比如某個tablet server節(jié)點crash掉了），所以當tablet的位置發(fā)生變化的時候，client會收到相應(yīng)的通知，然后再去master上獲取一份新的元數(shù)據(jù)信息。

Tablet存儲

在數(shù)據(jù)存儲方面，Kudu選擇完全由自己實現(xiàn)，而沒有借助于已有的開源方案。tablet存儲主要想要實現(xiàn)的目標為：

快速的列掃描。
低延遲的隨機讀寫。
一致性的性能。

RowSets

在Kudu中，tablet被細分為更小的單元，叫做RowSets。一些RowSet僅存在于內(nèi)存中，被稱為MemRowSets，而另一些則同時使用內(nèi)存和硬盤，被稱為DiskRowSets。任何一行未被刪除的數(shù)據(jù)都只能存在于一個RowSet中。
無論任何時候，一個tablet僅有一個MemRowSet用來保存最新插入的數(shù)據(jù)，并且有一個后臺線程會定期把內(nèi)存中的數(shù)據(jù)flush到硬盤上。
當一個MemRowSet被flush到硬盤上以后，一個新的MemRowSet會替代它。而原有的MemRowSet會變成一到多個DiskRowSet。flush操作是完全同步進行的，在進行flush時，client同樣可以進行讀寫操作。

MemRowSet

MemRowSets是一個可以被并發(fā)訪問并進行過鎖優(yōu)化的B-tree，主要是基于MassTree來設(shè)計的，但存在幾點不同：

Kudu并不支持直接刪除操作，由于使用了MVCC，所以在Kudu中刪除操作其實是插入一條標志著刪除的數(shù)據(jù)，這樣就可以推遲刪除操作。
類似刪除操作，Kudu也不支持原地更新操作。
將tree的leaf鏈接起來，就像B+-tree。這一步關(guān)鍵的操作可以明顯地提升scan操作的性能。
沒有實現(xiàn)字典樹（trie樹），而是只用了單個tree，因為Kudu并不適用于極高的隨機讀寫的場景。

與Kudu中其他模塊中的數(shù)據(jù)結(jié)構(gòu)不同，MemRowSet中的數(shù)據(jù)使用行式存儲。因為數(shù)據(jù)都在內(nèi)存中，所以性能也是可以接受的，而且Kudu對在MemRowSet中的數(shù)據(jù)結(jié)構(gòu)進行了一定的優(yōu)化。

DiskRowSet

當MemRowSet被flush到硬盤上，就變成了DiskRowSet。當MemRowSet被flush到硬盤的時候，每32M就會形成一個新的DiskRowSet，這主要是為了保證每個DiskRowSet不會太大，便于后續(xù)的增量compaction操作。Kudu通過將數(shù)據(jù)分為base data和delta data，來實現(xiàn)數(shù)據(jù)的更新操作。Kudu會將數(shù)據(jù)按列存儲，數(shù)據(jù)被切分成多個page，并使用B-tree進行索引。除了用戶寫入的數(shù)據(jù)，Kudu還會將主鍵索引存入一個列中，并且提供布隆過濾器來進行高效查找。

Compaction

為了提高查詢性能，Kudu會定期進行compaction操作，合并delta data與base data，對標記了刪除的數(shù)據(jù)進行刪除，并且會合并一些DiskRowSet。

分區(qū)

和許多分布式存儲系統(tǒng)一樣，Kudu的table是水平分區(qū)的。BigTable只提供了range分區(qū)，Cassandra只提供hash分區(qū)，而Kudu提供了較為靈活的分區(qū)方式。當用戶創(chuàng)建一個table時，可以同時指定table的的partition schema，partition schema會將primary key映射為partition key。一個partition schema包括0到多個hash-partitioning規(guī)則和一個range-partitioning規(guī)則。通過靈活地組合各種partition規(guī)則，用戶可以創(chuàng)造適用于自己業(yè)務(wù)場景的分區(qū)方式。

四、Kudu的應(yīng)用

Kudu的應(yīng)用場景很廣泛，比如可以進行實時的數(shù)據(jù)分析，用于數(shù)據(jù)可能會存在變化的時序數(shù)據(jù)應(yīng)用等，甚至還有人探討過使用Kudu替代Kafka的可行性（詳情請戳）。不過Kudu最有名和最成功的應(yīng)用案例，還是國內(nèi)的小米。小米公司不僅使用Kudu，還深度參與了Kudu的開發(fā)。Kudu項目在2012年10月由Cloudera公司發(fā)起，2015年10月對外公布，2015年12月進入Apache孵化器，但是小米公司早在2014年9月就加入到Kudu的開發(fā)中了。
下面我們可以跟隨Cloudera在宣傳Kudu時使用的ppt來看一看Kudu在小米的使用。

小米 use case

從上圖中我們可以看到，Kudu在小米主要用來對手機app和后端服務(wù)的RPC調(diào)用事件進行追蹤，以及對服務(wù)進行監(jiān)控。在小米的使用場景下，Kudu集群已經(jīng)達到每天200億次寫入，并且還在增長。
Kudu除了優(yōu)秀的性能，更為重要的是可以簡化數(shù)據(jù)處理的流程。在使用Kudu以前，小米的數(shù)據(jù)處理流程是這樣的：

before Kudu

可以看到，數(shù)據(jù)處理的流程很長。這種處理模式不但較為復(fù)雜，而且latency較高，通常需要等待較長的時間（1 hour - 1day）才能得到分析結(jié)果。下面再來看看使用Kudu以后的數(shù)據(jù)處理流程是怎樣的：

after Kudu

使用Kudu以后，數(shù)據(jù)處理的鏈路被簡化了，而且得益于Kudu對隨機讀寫和數(shù)據(jù)分析操作的支持都很好，可以直接對Kudu中的數(shù)據(jù)進行交互式分析，降低了系統(tǒng)復(fù)雜度，并且latency被大大縮短（0 ~ 10s）。

五、進一步學(xué)習(xí)

如果您看了本文的介紹后想進一步學(xué)習(xí)Kudu，以下途徑可以幫助您快速入門：

官方文檔永遠是學(xué)習(xí)開源項目的最好去處。
Kudu的論文可以幫助您深入了解Kudu的設(shè)計思想。
Raft協(xié)議，雖然不屬于Kudu的內(nèi)容，但是Kudu的一致性協(xié)議使用了Raft協(xié)議，了解Raft協(xié)議可以幫助您更好地了解Kudu及其他分布式開源系統(tǒng)。
這篇博客也許能對您在如何使用Kudu的問題上有一些啟發(fā)。

文章參考地址：https://www.jianshu.com/p/83290cd817ac

比較遺憾的是，由于Kudu還很年輕，所以并沒有比較好的相關(guān)書籍出版。計算機是一門實踐性較強的學(xué)科，所以動手實踐是成為Kudu專家的必經(jīng)之路。

Apache Kudu主節(jié)點（Master）遷移

提前修改機器上kudu賬號可以登錄，（/etc/passwd），之后都是以kudu執(zhí)行命令

1、將每個master的記錄下來

kudu fs dump uuid --fs_wal_dir=/home/data/kudu-master --fs_data_dirs=/home/data/kudu-master 2>/dev/null

2、存活的一個master上執(zhí)行

kudu local_replica cmeta print_replica_uuids --fs_wal_dir=/home/data/kudu-master --fs_data_dirs=/home/data/kudu-master 00000000000000000000000000000000 2>/dev/null

3、根據(jù)前兩步確定dead master的uuid

4、在新master機器上執(zhí)行,uuid為dead master的標識

kudu fs format --fs_wal_dir=/home/data/kudu-master --fs_data_dirs=/home/data/kudu-master --uuid=af4f6c30a3b04d86ae0172598d443a32

5、將一臺存活master的元數(shù)據(jù)拷貝過來,用kudu用戶執(zhí)行，將目錄改為kudu擁有者

kudu local_replica copy_from_remote --fs_wal_dir=/home/data/kudu-master --fs_data_dirs=/home/data/kudu-master 00000000000000000000000000000000 10-12-7-14.testddw.sina.com:7051

6、新master和存活master上更新master list

kudu local_replica cmeta rewrite_raft_config --fs_wal_dir=/home/data/kudu-master --fs_data_dirs=/home/data/kudu-master 00000000000000000000000000000000 af4f6c30a3b04d86ae0172598d443a32:10-12-7-11.testddw.sina.com:7051 176a9a6dbc854614abd7940082270372:10-12-7-13.testddw.sina.com:7051

13b8832c228e4022b013fef555f5ae28:10-12-7-14.testddw.sina.com:7051