首页 新闻 赞助 找找看

几百万个小文件,如何存储效率最好?

0
悬赏园豆:5 [已解决问题] 解决于 2014-10-17 08:59

我们有几百万个小文件,基本都在20K以内,我们现在的方案是放在本地磁盘,读取后就放在本地缓存。 现在想要进行分布式管理,一个设想是使用阿里云的OSS来存储文件,使用OCS来做为分布式缓存系统,不知道这样效率怎么样?是否还有更好的方案?之前看博客园的文章说OCS不太稳定,需要自己架设MEMCACHED服务器。

Ray Wu的主页 Ray Wu | 初学一级 | 园豆:5
提问于:2014-10-09 15:42
< >
分享
最佳答案
0

直接使用数据库存储文件吧。

收获园豆:5
519740105 | 大侠五级 |园豆:5810 | 2014-10-09 17:32

数据库效率不够高吧,而且文件大小从2k到100k都有

Ray Wu | 园豆:5 (初学一级) | 2014-10-09 17:52

@Ray Wu: 高的。

对文件分大小存储,小文件直接存储在数据库里面,大文件存储在文件系统中。

我的实现方案是:

1、专门定义两个数据表:A用于记录所有的数据文件,B用来记录大数据文件

2、对于大数据文件,在A中只存储文件基本信息,不存储文件内容(binary字段内容置空),数据内容链接到B表中

3、B表存储的二进制字段转换为文件流的方式存储。

按照MS的建议,对于大于1M的二进制数据流,最好在数据库里以文件流的方式存储,而低于1M的文件则直接存储在数据库里,这样的整体操作效率最高。

我做过实验,把大小定义在500K的时候,在我的系统里性能不错(系统是普通PC机,使用E2双CPU,4G内存)。

519740105 | 园豆:5810 (大侠五级) | 2014-10-09 18:00

@519740105: 好的,非常感谢,到时我们打他放到数据库里面试一下看看。我们的文件99%都是低于100K的,应该还是挺适合的

Ray Wu | 园豆:5 (初学一级) | 2014-10-09 18:04

@519740105: 使用数据库存储小文件,用nvarchar(max)字段是不是最优化的?

Ray Wu | 园豆:5 (初学一级) | 2014-10-10 09:32

@Ray Wu: 最好用binary。

1、binary也是最大的,但是基于二进制,可以保存各类文件,而nvarchar(max)只能针对文本

2、binary才可以通过filestream技术保存到文件,nvarchar(max)是不可以的

3、binary读取的数据是字节数组,属于引用类型,而nvarchar(max)读取的是字符串,虽然也是引用类型,但是在实际操作中却类似值类型,同时,内存操作的性能也不如字节数组。

519740105 | 园豆:5810 (大侠五级) | 2014-10-10 09:36

@519740105: 好的,不过我们的情况比较特殊,我们的文件都是文本文件,另外,我们的文件大小基本上没有超过100K的,所以这种情况是不是用nvarchar(max)是更好的?

Ray Wu | 园豆:5 (初学一级) | 2014-10-10 09:38

@Ray Wu: 看起来,貌似可以使用nvarchar(max),实际还是不好。

1、如我前面所言,binary可以支持文本外的数据,如果今后有需求变化呢?

2、如我前面所言,一个大到100K的字符串,那是怎样的概念?

3、nvarchar会限制你的文本内容编码,而binary则没这个限制。

519740105 | 园豆:5810 (大侠五级) | 2014-10-10 09:41

@519740105: 嗯,我们这个需求是肯定不会变的,因为我们现在就是几百万个小文件放在文件系统,现在打算迁移到数据库(这样可以提供远程访问功能,同时备份与迁移等都要更方便)。

binary从整体来说可能更好,只是效率方面用nvarchar是不是会更好,毕竟直接就是文本,默认肯定是UTF-8编码,因为我们的文本文件都是XML文件。

Ray Wu | 园豆:5 (初学一级) | 2014-10-10 10:14

@Ray Wu: 这个就没对比过在数据库层是否二进制流的性能比字符串更好,个人的理解与认识而言,还是不建议用nvarchar(max)。

519740105 | 园豆:5810 (大侠五级) | 2014-10-10 10:18

@519740105: 嗯,我们决定使用varbinary,使用varbinary需要调用System.Text.Encoding.UTF8.GetString和System.Text.Encoding.UTF8.GetByte进行转移,但是应该是可以节省存储空间的。因为nvarchar是通过utf-16存储的,而我的编码实际上是UTF-8,UTF-16多占用了很多空间。

Ray Wu | 园豆:5 (初学一级) | 2014-10-10 16:18

@Ray Wu: 对。varbinary跟binary其实是一致的,区别不是很大,酌情处理就好。

519740105 | 园豆:5810 (大侠五级) | 2014-10-10 16:29

@519740105: 是的,不过binary的最大大小是8000个字节

Ray Wu | 园豆:5 (初学一级) | 2014-10-10 16:52

@519740105: 请教一个问题,你说的大于1M以文件流的方式存储是指的类似mysql里面的blob类型么?那小于1M直接存储是怎么存储?这个我不是很懂,望抽空回复一下

xuxukang | 园豆:200 (初学一级) | 2018-05-04 11:45
其他回答(5)
0

把数据分布式放在多台memcached服务器上,关键就是算法这个有点复杂。

唯我独萌 | 园豆:537 (小虾三级) | 2014-10-09 15:58

memcached适合用于文件系统吗?我一般是用来做缓存用

支持(0) 反对(0) Ray Wu | 园豆:5 (初学一级) | 2014-10-09 17:29

支持(0) 反对(0) 唯我独萌 | 园豆:537 (小虾三级) | 2014-10-09 17:31
0

MongoDB .

Launcher | 园豆:45045 (高人七级) | 2014-10-09 17:11

嗯,mongodb是一个方案

支持(0) 反对(0) Ray Wu | 园豆:5 (初学一级) | 2014-10-09 17:28
1

OCS现在已经稳定了

dudu | 园豆:31075 (高人七级) | 2014-10-10 16:43

那值得尝试一下。

支持(0) 反对(0) Ray Wu | 园豆:5 (初学一级) | 2014-10-10 16:52
0

BDB来做也不错 

GisClub | 园豆:330 (菜鸟二级) | 2014-10-10 16:46
0

OCS现在很好用,相信我,上吧少年

ych_tiger | 园豆:202 (菜鸟二级) | 2014-10-10 16:51

谢谢,后面会进行尝试

支持(0) 反对(0) Ray Wu | 园豆:5 (初学一级) | 2014-10-10 16:53

@Ray Wu: 您好,请您私信留下您的联系方式,我们直接电话沟通了解一下您的具体需求,或者您到阿里云的官网提交工单咨询。谢谢

支持(0) 反对(0) 阿里云 | 园豆:202 (菜鸟二级) | 2014-10-10 16:55

已经发私信

支持(0) 反对(0) Ray Wu | 园豆:5 (初学一级) | 2014-10-10 16:57
清除回答草稿
   您需要登录以后才能回答,未注册用户请先注册