存储设计方案

① 客厅的储物柜怎么设计比较合适不规则排列比较好看吗

客厅的储物柜怎么设计比较合适？

不规则排列比较好看。客厅作为家庭交流休息的重要场所，当你在客厅里安顿下来休息时，面对拥挤的储物架和物品，很难放松下来。因此我们需要寻找最佳客厅存储设计方案，为您的空间带来秩序和平静。充分利用飘窗利用飘窗经常被浪费的空间，配备巧妙的内置座椅，内置抽屉将创造额外的存储空间，并且比掀盖更实用。将不规则的末端部分用作内置边桌，并纳弊在顶部添加垫子以提高舒适度。结合开放式和封闭式存储。

利用每一个墙面空间，这是充分利用客厅中每个角落和缝隙的好方法，并使用墙板打造引人注目的装饰效果，在墙裙高度划分面板将为存储和展示艺术品提供一个小壁架，而小的存储柜可用于存放书籍、配件和小摆设。建立自己的媒体存储，选择多功能电视和媒体存储方案，一次就可以存储所有必需品。现成的模块化储物空间看起来像是定制的内置件，但有顶部和底部部分以及一系列宽度和高度，因此您可以根据自己的空念启间大小进行安排。

选择带有“秘密”存储空间的边桌，在沙发的不远的距离内找到一个放置遥控器、杯垫或任何其他必需品的空间，但又不想弄乱你的桌面。这些整洁的嵌仔茄如套边桌可以单独使用，或者当嵌套在一起时，最小的桌子就成了零碎物品的方便藏身处。

② 存储解决方案的内容描述

存储整合将迅速增长的数据分配至常用平台，从而简化管理。戴尔提供的存储整合解决方案可帮助简化操作、提高利用率并促进经济实惠地扩展。
1、存储区域网络 (SAN)>
存储区域网络(SAN)是共享存储设备（例如磁盘存储阵列和磁带自动化系统）网络。 借助SAN体系结构，连接局域网(LAN)或广域网(WAN)的多台服务器均可获得存储资源， 因为存储数据不是直接驻留在任何网络服务器上、处理能力针对企业应用程序进行了优化并且服务器上的存储容量被配置在最需要的位置。与诸如直接连接存储(DAS)等其他选项相比，SAN存储还可减少管理时间和数据备份需求。最后，SAN存储可以简化数据分层、形成更好的资源利用率并且通常可以随着存储需求的增长而轻松扩展。
SAN通常使用以下协议进行部署：
光纤通道(FC)SAN - 具备光纤通道连接性的磁盘存储阵列，连接光纤通道主机总线适配器(HBA)和交换机
互联网SCSI(iSCSI) SAN - 具备IP连接性的磁盘存储阵列，使用iSCSI标准协议连接网络接口卡(NIC)和以太网交换机
2、统一存储>
3、文件整合/网络连接存储(NAS) >
基于网络的文件级存储
网络连接存储(NAS)是专业存储服务器，其配备私有IP地址，可提供给连接局域网(LAN)或广域网(WAN)的多台客户机和服务器。预安装的网络通信协议将予以启用，以便异构环境中具有不同操作系统的客户机和操作系统可以读写NAS服务器上的数据。组织可向文件/打印NAS服务器中添加磁盘存储阵列、磁带机或磁带自动化系统 ，来帮助简化管理和备份操作、提高存储资源的利用率，并作为集中化平台来进行经济高效的扩展。NAS网关可连接存储区域网络(SAN)中的磁盘存储阵列或磁带自动化系统。

③ 如何做好仓库存储的方案设计

存储业的重点在于仓库的管理，合理的仓库管理可以有效地缩短存取货物的时间，降低存储管理的成本。
由于货物要在仓库的不同区域和单位移动，企业在仓库管理上需要作出合适的方案来布置仓库，从而使仓库货物的搬运量达到最小。通常仓库寄存的货物有专门的存放点，每一个存放单位都是隔开的，便于货物的区分。所以一般情况下，货物的搬运都发生在出入口和货物区，并不存在各个货物单位之间的搬运工作。由此对于仓库仓储的设计会有两种方案可以借鉴。
第一种情况是在各种物品所需货区面积相同时，我们只需要把搬运次数最多的货物单位区布置在靠近出入口的地方，得到最小的总负荷数。
第二种情况是各种物品所需货区面积不同下，我们需要先将货物的搬运次数和所需货区数量之比计算出来，从中取比值最大者做为靠近出入口的货物放置点，并且依次往下排列。
以上两种情况仓库货区布置方法，都是以总负荷数最小为目标，设计简单而又科学。但是在实际的货物存储中，还要需要更多不同的仓库布置方案来解决每一货物存放的位置和途径。
就比如引入新技术可以让货物存放的位置更加准确，只要有计算机仓库管理系统，就可以让拣运人员快速知道货物的存放位置，并且为货物的出行路线提供最佳的方案给拣运人员做选择，加速了整个货物存取的工作效率和正确性，也节约了工作人员在确认货物区域上的时间。

④ Redis百亿级Key存储设计方案

该应用场景为DMP缓存存储需求，DMP需要管理非常多的第三方id数据，其中包括各媒体cookie与自身cookie（以下统称supperid）的mapping关系，还包括了supperid的人口标签、移动端id（主要是idfa和imei）的人口标签，以及一些黑名单id、ip等数据。

在hdfs的帮助下离线存储千亿记录并不困难，然而DMP还需要提供毫秒级的实时查询。由于cookie这种id本身具有不稳定性，所以很多的真实用户的浏览行为会导致大量的新cookie生成，只有及时同步mapping的数据才能命中DMP的人口标签，无法通过预热来获取较高的命中，这就跟缓存存储带来了极大的挑战。

经过实际测试，对于上述数据，常规存储超过五十亿的kv记录就需要1T多的内存，如果需要做高可用多副本那带来的消耗是巨大的，另外kv的长短不齐也会带来很多内存碎片，这就需要超大规模的存储方案来解决上述问题。

人⼝标签主要是cookie、imei、idfa以及其对应的gender（性别）、age（年龄段）、geo（地域）等；mapping关系主要是媒体cookie对supperid的映射。以下是数据存储⽰示例：

媒体编号-媒体cookie=>supperid

supperid => { age=>年龄段编码，gender=>性别编码，geo=>地理位置编码 }

imei or idfa => { age=>年龄段编码，gender=>性别编码，geo=>地理位置编码 }

显然PC数据需要存储两种key=>value还有key=>hashmap，⽽而Device数据需要存储⼀一种

key=>hashmap即可。

存储吃紧的一个重要原因在于每天会有很多新数据入库，所以及时清理数据尤为重要。主要方法就是发现和保留热数据淘汰冷数据。

网民的量级远远达不到几十亿的规模，id有一定的生命周期，会不断的变化。所以很大程度上我们存储的id实际上是无效的。而查询其实前端的逻辑就是广告曝光，跟人的行为有关，所以一个id在某个时间窗口的（可能是一个campaign，半个月、几个月）访问行为上会有一定的重复性。

数据初始化之前，我们先利用hbase将日志的id聚合去重，划定TTL的范围，一般是35天，这样可以砍掉近35天未出现的id。另外在Redis中设置过期时间是35天，当有访问并命中时，对key进行续命，延长过期时间，未在35天出现的自然淘汰。这样可以针对稳定cookie或id有效，实际证明，续命的方法对idfa和imei比较实用，长期积累可达到非常理想的命中。

Hash表空间大小和Key的个数决定了冲突率（或者用负载因子衡量），再合理的范围内，key越多自然hash表空间越大，消耗的内存自然也会很大。再加上大量指针本身是长整型，所以内存存储的膨胀十分可观。先来谈谈如何把key的个数减少。

大家先来了解一种存储结构。我们期望将key1=>value1存储在redis中，那么可以按照如下过程去存储。先用固定长度的随机散列md5(key)值作为redis的key，我们称之为BucketId，而将key1=>value1存储在hashmap结构中，这样在查询的时候就可以让client按照上面的过程计算出散列，从而查询到value1。

过程变化简单描述为：get(key1) -> hget(md5(key1), key1) 从而得到value1。

如果我们通过预先计算，让很多key可以在BucketId空间里碰撞，那么可以认为一个BucketId下面挂了多个key。比如平均每个BucketId下面挂10个key，那么理论上我们将会减少超过90%的redis key的个数。

具体实现起来有一些麻烦，而且用这个方法之前你要想好容量规模。我们通常使用的md5是32位的hexString（16进制字符），它的空间是128bit，这个量级太大了，我们需要存储的是百亿级，大约是33bit，所以我们需要有一种机制计算出合适位数的散列，而且为了节约内存，我们需要利用全部字符类型（ASCII码在0~127之间）来填充，而不用HexString，这样Key的长度可以缩短到一半。

下面是具体的实现方式

参数bit决定了最终BucketId空间的大小，空间大小集合是2的整数幂次的离散值。这里解释一下为何一个字节中只有7位可用，是因为redis存储key时需要是ASCII（0~127），而不是byte array。如果规划百亿级存储，计划每个桶分担10个kv，那么我们只需2^30=1073741824的桶个数即可，也就是最终key的个数。

碎片主要原因在于内存无法对齐、过期删除后，内存无法重新分配。通过上文描述的方式，我们可以将人口标签和mapping数据按照上面的方式去存储，这样的好处就是redis key是等长的。另外对于hashmap中的key我们也做了相关优化，截取cookie或者deviceid的后六位作为key，这样也可以保证内存对齐，理论上会有冲突的可能性，但在同一个桶内后缀相同的概率极低(试想id几乎是随机的字符串，随意10个由较长字符组成的id后缀相同的概率*桶样本数=发生冲突的期望值<<0.05,也就是说出现一个冲突样本则是极小概率事件，而且这个概率可以通过调整后缀保留长度控制期望值)。而value只存储age、gender、geo的编码，用三个字节去存储。

另外提一下，减少碎片还有个很low但是有效的方法，将slave重启，然后强制的failover切换主从，这样相当于给master整理的内存的碎片。

推荐Google-tcmalloc， facebook-jemalloc内存分配，可以在value不大时减少内存碎片和内存消耗。有人测过大value情况下反而libc更节约。

1）kv存储的量级必须事先规划好，浮动的范围大概在桶个数的十到十五倍，比如我就想存储百亿左右的kv，那么最好选择30bit _{31bit作为桶的个数。也就是说业务增长在一个合理的范围（10} 15倍的增长）是没问题的，如果业务太多倍数的增长，会导致hashset增长过快导致查询时间增加，甚至触发zip-list阈值，导致内存急剧上升。

2）适合短小value，如果value太大或字段太多并不适合，因为这种方式必须要求把value一次性取出，比如人口标签是非常小的编码，甚至只需要3、4个bit（位）就能装下。

3）典型的时间换空间的做法，由于我们的业务场景并不是要求在极高的qps之下，一般每天亿到十亿级别的量，所以合理利用CPU租值，也是十分经济的。

4）由于使用了信息摘要降低了key的大小以及约定长度，所以无法从redis里面random出key。如果需要导出，必须在冷数据中导出。

5）expire需要自己实现，目前的算法很简单，由于只有在写操作时才会增加消耗，所以在写操作时按照一定的比例抽样，用HLEN命中判断是否超过15个entry，超过才将过期的key删除，TTL的时间戳存储在value的前32bit中。

6）桶的消耗统计是需要做的。需要定期清理过期的key，保证redis的查询不会变慢。

人口标签和mapping的数据100亿条记录。

优化前用2.3T，碎片率在2左右；优化后500g，而单个桶的平均消耗在4左右。碎片率在1.02左右。查询时这对于cpu的耗损微乎其微。

另外需要提一下的是，每个桶的消耗实际上并不是均匀的，而是符合多项式分布的。

上面的公式可以计算桶消耗的概率分布。公式是唬人用的，只是为了提醒大家不要想当然的认为桶消耗是完全均匀的，有可能有的桶会有上百个key。但事实并不没有那么夸张。试想一下投硬币，结果只有两种正反面。相当于只有两个桶，如果你投上无限多次，每一次相当于一次伯努利实验，那么两个桶必然会十分的均匀。概率分布就像上帝施的魔咒一样，当你面对大量的桶进行很多的广义的伯努利实验。桶的消耗分布就会趋于一种稳定的值。接下来我们就了解一下桶消耗分布具体什么情况：

通过采样统计

31bit（20多亿）的桶，平均4.18消耗

100亿节约了1.8T内存。相当于节约了原先的78%内存，而且桶消耗指标远没有达到预计的底线值15。

对于未出现的桶也是存在一定量的，如果过多会导致规划不准确，其实数量是符合二项分布的，对于2 ^30桶存储2 32kv，不存在的桶大概有（百万级别，影响不大）：

Math.pow((1 - 1.0 / Math.pow(2, 30)), Math.pow(2, 32)) * Math.pow(2, 30);

对于桶消耗不均衡的问题不必太担心，随着时间的推移，写入时会对HLEN超过15的桶进行削减，根据多项式分布的原理，当实验次数多到一定程度时，桶的分布就会趋于均匀（硬币投掷无数次，那么正反面出现次数应该是一致的），只不过我们通过expire策略削减了桶消耗，实际上对于每个桶已经经历了很多的实验发生。

总结：信息摘要在这种场景下不仅能节约key存储，对齐了内存，还能让Key按照多项式分布均匀的散列在更少量的key下面从而减少膨胀，另外无需在给key设置expire，也很大程度上节约了空间。

这也印证了时间换空间的基本理论，合理利用CPU租值也是需要考虑的。

关注分布式存储技术以及分布式计算方法