网际飞扬

还记得年少时的梦么,醒不过来 便信以为真……

主题背景
本网站首发版本创建于1999年4月
网际飞扬
手机网站二维码

请使用手机扫描二维码,登录网站手机版。

关于海量小文件(亿级)备份软件的实现和开发步骤

  • 2023-06-09
  • 1621
  • 飞驰的心

我们有个用户是档案行业的,服务器中存储了大约千万级的档案图片(电子档案扫描件),之前做一次备份工作是很费劲的。档案行业一般都是半公益单位,属于清水衙门也没什么钱。对于动辄十几二十万的各种备份系统而言,小单位确实买不起。

这篇文章就是站在专业角度为你剖析备份系统的实现原理,和重要的技术理论,你不花钱一样可以实现专业级别的备份服务:


由于windows的文件管理机制,你备份文件无非就是三个操作:1、查看文件夹属性 2、复制文件 3、粘贴文件

无论你是否查看文件属性,windows复制文件之前,系统都会默认扫描一遍准备复制的源文件路径,这时候如果你是海量文件的话,这一步系统就会出现假死现象。据观察用户目前的情况仅仅点击一次复制、粘贴,系统光准备时间都要个把小时,然后才会慢慢悠悠的走进度。

这时候又有一个问题出现,由于都是2-3M的小文件,Windows每粘贴完成一个文件后,都要进行一些后台操作(对文件属性的更新或遍历更新源文件队列的任务,等等),总之每个文件复制完都会有一个小卡顿。这种卡顿貌似没啥问题,但是如果千万级文件复制这个卡顿就会严重影响效率。

基于以上原因:靠Windows系统自带的复制粘贴文件实现海量文件的备份,基本就是个死胡同。100Tb的文件备份一遍,大约的个把月时间。还不能中断,万一断了就重来,因为你不知道从哪儿断的,更不知道哪些文件复制了或者没复制。


一般而言只要能发现问题就有对应的解决办法:

1、复制粘贴文件时不让windows在遍历文件夹列表:

这个问题显而易见,“遍历”这个动作会严重影响系统性能,是导致卡死的重要原因。按照正常逻辑——

A、Windows复制文件后,会把需要复制的文件列表记录在某个地方(或许是内存中、或许是某个临时文件里)

B、粘贴完成一个文件就从上述“某个地方”抹去一条记录。

所以这个机制非常消耗性能,如果每次复制几千个或者上万个文件,以目前的计算机算力而言,一般不会有什么压力。于是我们就跟着这个思路开发软件——

软件先代操作系统做一次遍历动作:把准备复制的源路径的所有文件(文件夹结构)写入数据库,每条文件一行记录。这个操作虽然耗时,但安全稳定,一次把所有文件夹结构读入后即可开始后面的操作。

正如上面所说:文件虽然海量,但文件夹数量必定小于文件数,据我们观察用户有千万级的文件,但各级分类的文件夹也就不到1万个。所以我们开发的这个备份软件,第一个环节就是读取这1万个文件夹的结构,记录进数据库。

接下来工作就比较清晰了:

1、读取数据库的路径记录,让程序开始逐条复制。之所以逐条复制就是为了限制资源使用情况,让系统工作的更加从容,如果一次开启多个线程复制,那就又会卡顿。

2、每复制完一条记录,程序回调一次结果,在程序界面上走个进度。同时在数据库给这条记录打个标记。后期即便不小心软件断掉了,也可以从打标记的位置开始走进度,而不需要从头复制粘贴(在Windows里没有断点功能)。


开发思想:

程序能“从容”工作很重要,之前windows的复制机制之所以效率很低,原因上面已经说过。加上内存中如果稍微有点错误,导致复制任务中断就要重新开始。我们开发这个备份软件的中心思想就是让程序“从容”的工作,占用最小的系统资源,免去它遍历和更新文件属性的环节,让它以最优的状态“慢慢”工作,事实证明这种效率是最高的。

我观察了市面上不少备份工具,它们都把重心放到了如何提高复制效率、如何榨干系统资源上,这个思路对于民用场景还勉强,对于海量文件的专业领域就不灵了。还是那句话:1亿文件忽然给它塞进去,它这个软件非死即残。

数据库我采用的是Access,因为免部署。sqlite虽然也是文件型数据库,但还要安装runtime所以放弃。其实最重要的原因是数据表结构简单,就一张表里面两个字段:一个路径字段、一个状态字段(默认0,完成1),所以access完全满足要求,查了一下资料,这种简单的表结构1亿条记录还是可以完美驾驭的。当然了sqlite官方宣称能到14Tb那就更海量了,但是我目前用不到,就以轻便为第一要务吧。



实际生产环节测试:

经过了15个小时左右的持续工作,大约完成了80万个文件的备份,网卡占用率持续平稳在30%左右,总体设计复合预期(即“从容”的进行任务),既不会占用太多系统资源,也充分保障了任务效率。尤其值得一提的是:双网卡一路进行备份一路进行对外服务,这种搭配最为合理。

这是我以上述思路为某档案中心做的一个小备份工具,经测试很稳定,丝毫不亚于几十万元的专业灾备系统的效率。


本博客所有内容均为原创,原则上我不希望你转载。如特别喜欢而转载的话,请务必注明出处“网际飞扬 http://www.fayo.net” 否则本人闲来无事可能会把你误当成维权的靶子。

评论

验证码

全部评论

共{{commentCount}}条
  • {{i+1}}楼
    {{rs.Msg_Sender}}{{rs.Msg_Datetime}}

    {{rs.Msg_Content}}

播放器封面
  • 宠物精灵