数据湖加速器GooseFS，加速湖上数据分析性能

数据湖加速器 GooseFS 是由腾讯云推出的高性能、高可用、弹性的分布式缓存方案。依靠对象存储（Cloud Object Storage，COS）作为数据湖存储底座的成本优势，为数据湖生态中的计算应用提供统一的数据湖入口，加速海量数据分析、机器学习、人工智能等业务访问存储的性能。

GooseFS 采用了分布式集群架构，具备弹性、高可靠、高可用等特性，为上层计算应用提供统一的命名空间和访问协议，方便用户在不同的存储系统之间管理和流转数据。

零、产品背景

近些年来以对象存储作为统一数据湖存储的趋势越来越明显。对象存储具有低成本、高可靠、弹性等特性，因此很适合信息爆炸时代海量数据的存储，越来越多的企业将大数据存储从 HDFS 迁移到对象存储中，采用对象存储或者对象存储+HDFS混合存储架构实现企业级冷热数据分层方案。但在数据湖方案下，企业仍然面对以下问题：

性能问题：大数据场景中，Map 和 Reduce环节均需要频繁对文件进行List 和 Rename 操作；但对象存储的扁平式架构设计导致在这些操作上天然具有性能瓶颈。此外，数据跨机房存储会进一步增加数据湖架构下的请求延迟，而近年来流批一体的应用越来越广泛和深入，大数据业务对实时性要求越来越高，因此需要尽可能让热数据更靠近计算端，以便提升业务性能。

成本问题：对于离线大数据业务而言，往往需要尽可能快速地拉取大量重复的数据到计算集群中进行分析，在数据湖的存算分离架构下，会对存储带宽有很大的压力。这种模式下峰值带宽高，平均带宽小，容易产生大量的资源浪费和成本消耗。因此将热数据缓存到计算节点，减少带宽消耗能够降低业务成本。

运维问题：相当多的业务采用 HDFS 和 对象存储等不同存储服务构建混合存储架构，在这种业务模型下需要维护多种不同的存储接口，增加了运维的复杂度。因此，如果有一套存储服务能够对接不同的后端存储系统，为上层计算业务提供一致的访问视图，将能极大地减少业务开发的难度，提升存储服务使用效率。

一、产品功能

GooseFS 旨在提供一站式的缓存解决方案，在利用数据本地性和高速缓存，统一存储访问语义等方面具有天然的优势；GooseFS 在腾讯云数据湖生态中扮演着“上承计算，下启存储”的核心角色，如下图所示。

GooseFS 基于开源大数据缓存方案 Alluxio 进行设计和研发，相较于开源方案，GooseFS 提供了更多关键特性，稳定性和性能优化；同时深度融合了腾讯云生态，对接了腾讯云TKE、EMR等计算服务，为用户提供开箱即用的能力。

主要功能如下：

缓存加速和数据本地化：GooseFS 可以与计算节点混合部署提高数据本地性，利用高速缓存功能解决存储性能问题，提高读写对象存储 COS 文件的效率。

融合存储语义：GooseFS 上层统一的接口协议，支持对接对象存储COS，云上HDFS和私有化存储CSP，并且针对腾讯云COS，CHDFS，CSP等产品做了特殊优化，适用于多种生态和应用场景。

统一的腾讯云相关生态服务：包括腾讯云监控、日志和鉴权的支持。GooseFS 已经顺利对接腾讯云 EMR，腾讯云 TKE 和腾讯云 EKS 等；同时支持对接腾讯云监控，腾讯云日志服务 CLS 和腾讯云 ES，Prometheus和 Grafana 等服务。

元数据管理功能：GooseFS 支持按照 Hive Table 或者 Table partition 级别将存储在COS或者CHDFS 上的数据异步缓存到本地节点；支持按照 Namespace 配置不同元数据管理方案。

二、产品优势

GooseFS 在数据湖场景中具有如下几点明显的优势：

1.数据 I/O 性能

GooseFS 部署提供近计算端的分布式共享缓存，上层计算应用可以透明地、高效地从远端存储将需要频繁访问的热数据缓存到近计算端，加速数据 I/O 性能。

GooseFS 提供了感知元数据 Table 的功能，能够加速大数据场景下列出文件列表（List），重命名文件（Rename）等元数据操作的性能。此外，业务可以按需选择MEM， HDD， SSD，NVME SSD 等不同的存储介质，平衡业务成本和数据访问性能。

2.存储一体化

GooseFS 提供了统一的命名空间，为上层业务提供了统一的接口协议，底层支持对接COS、CHDFS、CSP等不同的存储服务，简化业务侧运维配置。存储一体化能够打通不同数据底座的壁垒，方便上层应用管理和流转数据，提升数据利用的效率。

3.生态亲和性

GooseFS 全兼容腾讯云大数据平台框架，也支持客户侧自定义的本地部署，具备优秀的生态亲和性。业务侧不仅可以在腾讯云弹性 MapReduce 产品中使用，GooseFS 加速大数据业务，也可以便捷地将 GooseFS 本地化部署在公有云 CVM 或者自建 IDC 内。此外，GooseFS 也支持了透明加速能力，支持通过 COSN Interface一访问对象存储；对于已经使用 COS 大数据插件 COSN 的用户，可以非常方便地将 GooseFS 引入到 COSN 中使用。

三、结语

GooseFS 旨在提供一站式的数据湖缓存加速解决方案，方便用户在不同的存储系统管理和流转数据，提升您的数据利用效率。

如果您想要详细了解 GooseFS，并进行部署和体验，可以点击阅读原文查看 GooseFS的配置文档。

                                      — END —