豆瓣 刘洪清分享。
Linux + Nginx + mysql + python 平台。
每天有1000万小组话题，1600万组照片，200G结构化数据，800G文本，10T图片，2T日志，6T音乐，2T各种备份数据。
针对这些数据，我们需要考虑。
1、 可靠性。（持久性，一致性）
2、 可用性。
3、 伸缩性。
4、 性能。
5、 成本。
将这些数据再进行分类，可以分为结构化数据（关系，广播等），小文件（图片，文章，音乐等），大文件（备份，日志等）。
一、结构化数据。
（一）、特点。
1、结构固定。
2、可按条件查询
3、记录小而且多。
4、数据之间有关联。
5、可以批量查询。
（二）管理。采用mysql管理。
1、结构化存储。
2、多索引。
3、支持事务等。
（三）mysql实践一。
1、使用InnoDB引擎。
2、使用基本查询，外部join。（将join放在逻辑层去处理，这样大大提高了mysql查询的效率。）
3、通过memcache降低服务器端压力。
4、分库，分表（垂直分表）。
5、分离文本字段。
（四）mysql实践二
1、Master(RW) ßà Master(备份) à Slave(容错)
2、双SCSI硬盘做Raid0
3、半自动Fail Over
4、多实例混合部署。
二、小文件处理。
（一）、特点
1、访问方式：get set delete
2、高可用。Fail-Over
3、大空间：10K-5M 增长快。
4、用户数据，很重要。
5、基本无修改，一致性要求低。
6、随机访问，高并发，大量IO操作。
（二）单机存储。
1、reiserfs。
2、本地，远程，WEBDAV，NFS
3、目录结构。
4、用rsync备份即可。
（三）多级存储。
1、MogileFS
2、瓶颈是 Tracker(Mysql)
3、数据迁移比较慢。
（四）BeansDB
1、Hash存储，不需要中心节点。
2、数据库存储，TokyoCabimet.
3、每个区间对应多个节点。
4、复制：客户端写多次。
5、依次读取，直到有数据。
6、Hash Tree ，快速同步。
7、扩容方法：
A、拷贝数据。
B、调整配置。
C、同步数据。
8、性能
目前5台服务器，4T*3 数据，1.5T*3 文件。 可以用1年多。
三、大文件处理。
（一）、特点
1、文件大，数量少，比较重要。
2、线上服务产生，在操作时，不能影响线上使用。
3、一次生成，无需修改。
4、定时或者偶尔访问。
（二）比较少时，单机管理，定时打包，rsync备份。
（三）比较多时。
1、类FS系统
2、MooseFS
（四）MooseFS
1、C实现，轻量，简洁，高效，稳定。
2、FOSE客户端，操作方便
3、按文件/目录拷贝数据。
4、web监视界面。
5、单Master，多MasterLog，手动操作。
（五）日志数据分析
1、导入到数据仓库。InfoBright,KDB+
2、Hadoop
针对以上三类文件，再总结下。
200G结构化数据 — Mysql管理。
800G文件，10T图片，6T音乐 — BeansDB管理。
2T日志，2T备份 —- InfoBright MFS
补充：
1、 针对文件管理，涉及到全文检索，豆瓣采用了“虾片”。
2、 其每个DB有3个服务器，一个是线上服务，一个做数据备份，一个做容错。
3、 其线上服务器，40G内存，主要用于做缓存处理。
4、 Master1（读和写）+Master2（Master1的备份） + slave ，这样的结构决定了，Master1或者Master2将要承受很大的压力。如何缓解这个压力，有一个很重要的功课，就是缓存。豆瓣这个master1有40G内存，主要就用于缓存处理。至于具体都缓存什么数据，这在具体项目中会有不同。
