关于Google云计算的基础架构详情

　　GFS是google自己设计的分布式文件系统，是大量安装有Linux操作系统的普通PC构成的集群系统。整个集群系统由若干台TrunkServer以及一台Master(一般有几台备份)构成。GFS中文件备份成固定大小的Trunk分别存储在不同的TrunkServer上，每个Trunk有多份拷贝，也存储在不同的TrunkServer上。Master负责维护GFS中的 Metadata，也就是文件名及其Trunk信息。客户端先从Master上得到文件的Metadata，根据要读取的数据在文件中的位置与相应的 TrunkServer通信。本文就将为你介绍Google云计算的基础架构。

　　据介绍，google的每一份数据至少放在三个不同位置的机器上，因此，可靠性是能够高度保证的;而且操作GFS和操作本地磁盘一样简单易行。

　　目前Google拥有超过200个的GFS集群，其中有些集群的计算机数量超过5000台。Google现在拥有数以万计的连接池从GFS集群中获取数据，集群的数据存储规模可以达到5个PB，并且集群中的数据读写吞吐量能够达到每秒40G。

　　MapReduce是一个编程模式，它是与处理/产生海量数据集的实现相关。用户指定一个map函数，通过这个map函数处理key/value(键/值)对，并且产生一系列的中间key/value对，并且使用reduce函数来合并所有的具有相同key值的中间键值对中的值部分。MapReduce的主要贡献在于提供了一个简单强大的接口，通过这个接口，能够把大尺度的计算自动的并发和分布执行。

　　常见的应用例子：在很大的文档集合中通机每一个单词出现的次数.map函数检查每一个单词，并且对每一个单词增加1到其对应的计数器;reduce函数把特定单词的所有出现的次数进行合并。其他例子：

　　分布式排序：map函数从每条记录中抽取关键字，并且产生(key,record)对。reduce函数原样输出所有的关键字对。URL访问频率统计：map函数处理webpag请求和应答(URL，1)的log。Reduce函数把所有相同的URL的值合并，并且输出一个成对的(URL，总个数)。

　　BigTable：一种用于管理超大规模结构化数据的分布式存储系统，能够管理分布在数以千计服务器上的以PB计的数据。Bigtable API将包括用于编辑、创建表和列，改变群集、表、列元数据的函数。BT不支持完全的关系数据模型，而是为客户提供了简单的数据模型，让客户来动态控制数据的分布和格式。BT只能支持大部分SQL。

　　逆向Web-Link，map函数输出所有包含指向target URL的source网页，用(target,source)这样的结构对输出。Reduce函数局和所有关联相同target URL的source列表，并且输出一个(target,list(source))这样的结构。

　　一、Hadoop

　　◆Hadoop(http://hadoop.apache.org)是apache下面的一个分布式并行计算框架，是从lunece中抽取出来的一个框架。Hadoop主要是由MapReduce、HDFS以及Hbase组成。

　　◆MapReduce是Google MapReduce的开源实现。

　　◆HDFS是Google File System(GFS)的开源实现。

　　◆HBase是Google BigTable的开源实现

　　二、Google App Engine

　　Google App Engine是一个开发、托管网络应用程序的平台，使用Google管理的数据中心。它在2008年4月发布了第一个beta版本。Google App Engine使用了云计算技术,它跨越多个服务器和数据中心来虚拟化应用程序。当前，Google App Engine支持的编程语言是Python和Java. http://appengine.google.com

　　Google的上述分布式框架很有创造性，而且有极大的扩展性，使得Google在系统吞吐量上有非常大的竞争力，但是用C++写的。所以Apache基金会用Java实现了一个开源版本hadoop，支持Ubuntu、Fedora等Linux平台。上面介绍的就是Google云计算的基础架构。