姜青濤 梅丹

北京道達(dá)天際科技有限公司 北京 100089

1 背景及意義

近些年來隨著各類衛(wèi)星持續(xù)發(fā)射并投入使用，衛(wèi)星數(shù)據(jù)信源、衛(wèi)星載荷類型、衛(wèi)星數(shù)據(jù)產(chǎn)品種類不斷增加，由此產(chǎn)生了巨量的衛(wèi)星遙感數(shù)據(jù)。以高分衛(wèi)星數(shù)據(jù)為例目前高分一號、高分三號、高分四號、高分六號已形成了可見光、微波遙感、立體測繪、高光譜等載荷；分辨率范圍也覆蓋了幾十米、幾米到亞米級；數(shù)據(jù)存儲量每日接收量的單位從GB上升到TB，各級數(shù)據(jù)產(chǎn)品年產(chǎn)生量已達(dá)PB級，由此給數(shù)據(jù)管理帶來的挑戰(zhàn)日趨嚴(yán)重。如何建立一套兼顧高可靠性存儲和便捷地檢索，如何建立數(shù)據(jù)的全生命周期管理模式，如何方便擴(kuò)展后續(xù)衛(wèi)星信源擴(kuò)展以滿足后續(xù)衛(wèi)星數(shù)據(jù)的不斷接入，在大數(shù)據(jù)技術(shù)背景下建立一套開放式的衛(wèi)星數(shù)據(jù)全生命周期管理體系已迫在眉睫。

2 相關(guān)技術(shù)研究

傳統(tǒng)衛(wèi)星數(shù)據(jù)管理模式，主要依托目錄固定分類對各類衛(wèi)星數(shù)據(jù)進(jìn)行組織，這樣的方式問題在于：第一，固化的數(shù)據(jù)目錄劃分和分類對數(shù)據(jù)多條件檢索和查詢要求不易實(shí)現(xiàn)；第二，受物理存儲單元的限制，小碎文件的存儲依然占用同等存儲空間導(dǎo)致存儲空間利用率低；第三，存放在文件服務(wù)器或者NAS[1]存儲的數(shù)據(jù)能夠通過外部訪問致使數(shù)據(jù)安全性不高。利用Elasticsearch、FastDFS等大數(shù)據(jù)技術(shù)可解決傳統(tǒng)存儲和管理方式的不足。

2.1 Elasticsearch技術(shù)

Elasticsearch是一種分布式海量數(shù)據(jù)檢索與分析技術(shù)[2]，其底層基于Lucene實(shí)現(xiàn)，支持的數(shù)據(jù)高達(dá)PB級別，其倒排索引的算法效率更優(yōu)于傳統(tǒng)數(shù)據(jù)庫（如：Mysql）的B+Tree算法，能極大提高查詢檢索的效率，對于大數(shù)據(jù)量的衛(wèi)星數(shù)據(jù)的查詢能實(shí)現(xiàn)近實(shí)時性響應(yīng)速度。

在Mysql數(shù)據(jù)庫和Elasticsearch中存儲一千萬條記錄，做增加、刪除、修改、查詢的性能測試，其中傳統(tǒng)數(shù)據(jù)庫是針對主鍵做的增刪改查操作，測試結(jié)果如下表所示：

表1 Elasticsearch與傳統(tǒng)數(shù)據(jù)庫對比

由上表可以看出，Elasticsearch在大數(shù)據(jù)量下的增加、刪除、修改雖然不如傳統(tǒng)數(shù)據(jù)庫，但查詢性能遠(yuǎn)遠(yuǎn)優(yōu)于傳統(tǒng)數(shù)據(jù)庫，為此使用Elasticsearch作為搜索引擎會極大的提升系統(tǒng)的效率，并且減少對傳統(tǒng)數(shù)據(jù)庫的壓力。

2.2 FastDFS技術(shù)

FastDFS[3]是以C語言開發(fā)的一項(xiàng)開源輕量級分布式文件系統(tǒng)，它主要功能包括：文件存儲、文件同步和文件訪問以及高容量和負(fù)載均衡。主要解決大數(shù)據(jù)量的存儲問題，能夠方便地提供在線訪問數(shù)據(jù)的功能。隨著衛(wèi)星數(shù)據(jù)的增多，對文件服務(wù)器的存儲空間提出很大需求，F(xiàn)astDFS能夠方便地進(jìn)行空間的擴(kuò)容，通過增加Storage的數(shù)量或增加Group的方式，并修改Traker的配置可達(dá)到文件服務(wù)器的擴(kuò)容的目的。

為了保障系統(tǒng)的安全性存儲，F(xiàn)astDFS可以設(shè)計成為安全可靠的系統(tǒng)，首先FastDFS本身通過加密將存儲在其中的文件名進(jìn)行加密，為了實(shí)現(xiàn)FastDFS中的文件無法通過Url的方式不安全進(jìn)行訪問，可以通過網(wǎng)關(guān)對其進(jìn)行統(tǒng)一管理，保證數(shù)據(jù)安全性。

2.3 FastDFS與Elasticsearch結(jié)合

使用FastDFS與Elasticsearch的結(jié)合思路解決了大數(shù)據(jù)下的存儲與檢索問題，使用Elasticsearch來存儲管理在FastDFS數(shù)據(jù)的索引，管理衛(wèi)星的元數(shù)據(jù)以及數(shù)據(jù)源信息，并對數(shù)據(jù)進(jìn)行分級存儲，即使在PB級數(shù)據(jù)的存儲下，系統(tǒng)也能達(dá)到毫秒級別的響應(yīng)速度。

實(shí)現(xiàn)數(shù)據(jù)的全生命周期的管理，需要在數(shù)據(jù)進(jìn)行入庫前選擇數(shù)據(jù)的在線時長，一旦數(shù)據(jù)的生命周期達(dá)到設(shè)置值，系統(tǒng)將通過定時機(jī)制對該數(shù)據(jù)刪除，減少磁盤空間的占用。Elasticsearch在此期間對數(shù)據(jù)進(jìn)行全生命周期的管理，對數(shù)據(jù)進(jìn)行關(guān)鍵詞檢索、區(qū)間檢索、空間地理位置檢索以及基礎(chǔ)元數(shù)據(jù)信息檢索。而FastDFS提供存儲數(shù)據(jù)實(shí)體的功能，如需對檢索結(jié)果數(shù)據(jù)下載或在線瀏覽可以通過Elasticsearch中索引到數(shù)據(jù)存儲在磁盤中的位置。

3 系統(tǒng)設(shè)計及實(shí)現(xiàn)

3.1 系統(tǒng)設(shè)計

（1）數(shù)據(jù)組織模型

將各類衛(wèi)星數(shù)據(jù)以驅(qū)動化校驗(yàn)的方式來達(dá)到數(shù)據(jù)的標(biāo)準(zhǔn)化，校驗(yàn)完成后形成待歸檔數(shù)據(jù)。衛(wèi)星數(shù)據(jù)一般分為原始數(shù)據(jù)及產(chǎn)品數(shù)據(jù)，需要根據(jù)不同的驅(qū)動來進(jìn)行校驗(yàn)、管理。

（2）數(shù)據(jù)存儲模型

數(shù)據(jù)存儲模型基于Elasticsearch和FastDFS，使用FastDFS實(shí)現(xiàn)數(shù)據(jù)本身的存儲，Elasticsearch存儲對應(yīng)數(shù)據(jù)的相關(guān)元數(shù)據(jù)信息以及數(shù)據(jù)存儲在FastDFS中的索引信息，實(shí)現(xiàn)存儲與索引分離的方式，分類存儲分類檢索，極大地結(jié)合衛(wèi)星數(shù)據(jù)的特點(diǎn)：數(shù)據(jù)量大、元數(shù)據(jù)信息量大，不僅能存儲數(shù)據(jù)，更能精確快速地檢索數(shù)據(jù)。

（3）數(shù)據(jù)管理模型

衛(wèi)星數(shù)據(jù)量大，類型多，這也對分類存儲和數(shù)據(jù)的生命周期提出要求，分類存儲可以通過數(shù)據(jù)驅(qū)動的方式來提取數(shù)據(jù)的元數(shù)據(jù)信息，形成數(shù)據(jù)集的概念，生成一類數(shù)據(jù)的特有字段信息，這樣方便、清晰、明了，數(shù)據(jù)整潔是實(shí)現(xiàn)管理的重要目的；其次管理數(shù)據(jù)的生命周期也是必要的，隨著衛(wèi)星數(shù)據(jù)的日益的存儲，會產(chǎn)生很多歷史無用的冗余數(shù)據(jù)，對于無效數(shù)據(jù)的定期刪除會極大地減少磁盤空間的占用，節(jié)省寶貴的空間資源。在對數(shù)據(jù)進(jìn)行歸檔時就應(yīng)該適當(dāng)設(shè)置好數(shù)據(jù)的存活周期，到期后系統(tǒng)能自動對此類數(shù)據(jù)進(jìn)行刪除，減少人工處理，況且在如此龐大的數(shù)據(jù)兩下，依靠人工判別數(shù)據(jù)進(jìn)行刪除本身就是一項(xiàng)不易的工作。設(shè)置數(shù)據(jù)生命周期基本流程如下：

圖1 設(shè)置數(shù)據(jù)生命周期流程圖

3.2 實(shí)現(xiàn)

使用Elasticsearch與FastDFS結(jié)合的方式能夠?qū)崿F(xiàn)存儲與索引分離，將數(shù)據(jù)存儲在FastDFS中，將索引以及衛(wèi)星數(shù)據(jù)的元數(shù)據(jù)信息存儲在Elasticsearch中，用戶根據(jù)數(shù)據(jù)類型選擇數(shù)據(jù)驅(qū)動，后續(xù)即便是有新的衛(wèi)星數(shù)據(jù)接入，只需要根據(jù)數(shù)據(jù)類型新增驅(qū)動即可，能夠方便實(shí)現(xiàn)數(shù)據(jù)的開放式拓展，實(shí)現(xiàn)系統(tǒng)與數(shù)據(jù)之間的快速適配。

用戶在選擇文件路徑進(jìn)行上傳時，必須要選擇文件在系統(tǒng)中的存活周期，隨著系統(tǒng)的使用會產(chǎn)生很多歷史的垃圾冗余數(shù)據(jù)，對此類數(shù)據(jù)會占用大量的磁盤空間，同時對Elasticsearch的檢索性能造成一定的影響，對于此類數(shù)據(jù)需要設(shè)置定期刪除策略，第一、系統(tǒng)定時隨機(jī)對數(shù)據(jù)進(jìn)行檢索，判斷如果數(shù)據(jù)的存活周期小于30天則將此類數(shù)據(jù)存儲在Redis中，定期對其進(jìn)行刪除；第二、系統(tǒng)在做檢索操作時對數(shù)據(jù)進(jìn)行生命周期判斷，如果在生命周期內(nèi)，直接將數(shù)據(jù)以及索引刪除，不返回任何結(jié)果，否則返回查詢的數(shù)據(jù)。

系統(tǒng)實(shí)現(xiàn)時序圖如下：

圖2 系統(tǒng)時序圖

數(shù)據(jù)驅(qū)動是為不同數(shù)據(jù)提供校驗(yàn)規(guī)范化處理的需要，衛(wèi)星數(shù)據(jù)種類繁多，格式也不盡相同甚至有些數(shù)據(jù)差別很大，為了方便各類數(shù)據(jù)的接入，提高系統(tǒng)的適配性，需要將衛(wèi)星數(shù)據(jù)以驅(qū)動的方式進(jìn)行校驗(yàn)以及提取元數(shù)據(jù)信息，一類數(shù)據(jù)對應(yīng)一個數(shù)據(jù)驅(qū)動，數(shù)據(jù)驅(qū)動只需要定制對一類數(shù)據(jù)進(jìn)行校驗(yàn)提取即可，所以后續(xù)衛(wèi)星的接入只需要新增數(shù)據(jù)驅(qū)動即可。

根據(jù)數(shù)據(jù)驅(qū)動可以校驗(yàn)數(shù)據(jù)并提取數(shù)據(jù)的元數(shù)據(jù)信息，并將提取出的元數(shù)據(jù)信息存入到Elasticsearch中，待文件上傳成功存儲到FastDFS中后將文件存儲位置一并存儲在Elasticsearch，不管是檢索數(shù)據(jù)信息還是對數(shù)據(jù)進(jìn)行下載查看都可以對數(shù)據(jù)進(jìn)行還原。

選擇數(shù)據(jù)的生命周期后上傳，上傳成功后返回Id信息，系統(tǒng)會根據(jù)策略進(jìn)行生命周期的管理。

查詢檢索，根據(jù)數(shù)據(jù)關(guān)鍵詞在Elasticsearch中進(jìn)行數(shù)據(jù)的查詢檢索，在大數(shù)據(jù)量下系統(tǒng)的查詢檢索能夠達(dá)到毫秒級別。

3.3 驗(yàn)證對比

對比將數(shù)據(jù)存儲到磁盤進(jìn)行分目錄式的管理，采用FastDFS與Elasticsearch結(jié)合的方式，大大提升了系統(tǒng)的效率以及安全性。FastDFS的文件可以通過網(wǎng)關(guān)進(jìn)行統(tǒng)一配置，實(shí)現(xiàn)文件訪問的安全性。如下圖所示，對于傳統(tǒng)文件目錄的訪問方式的耗時相當(dāng)于系統(tǒng)設(shè)計優(yōu)化后的上千倍。

圖3 系統(tǒng)優(yōu)化前后對比圖

4 結(jié)束語

管理大數(shù)據(jù)量的衛(wèi)星數(shù)據(jù)需要提供安全可靠的系統(tǒng)來對數(shù)據(jù)進(jìn)行維護(hù)，在提升系統(tǒng)速度的同時更應(yīng)該考慮數(shù)據(jù)的安全性，使用Elasticsearch與FastDFS的結(jié)合能夠滿足要求。首先相比于文件目錄式的管理方式，使用驅(qū)動檢驗(yàn)管理數(shù)據(jù)，精確對衛(wèi)星數(shù)據(jù)的查詢檢索的速度相比于優(yōu)化前提升了上千倍，同時避免了直接訪問文件的不安全因素。其次對數(shù)據(jù)設(shè)置在線生命周期，減少系統(tǒng)的垃圾數(shù)據(jù)冗余，節(jié)省磁盤存儲空間，同時隨著系統(tǒng)的使用時間越久，對此類數(shù)據(jù)的刪除能夠?qū)ο到y(tǒng)進(jìn)行優(yōu)化，因?yàn)閷o用數(shù)據(jù)的檢索也會消耗系統(tǒng)性能，減低系統(tǒng)的檢索效率。將Elasticsearch與FastDFS結(jié)合對數(shù)據(jù)進(jìn)行全生命周期管理能夠以靈活、高效、安全、穩(wěn)定的方式解決大量衛(wèi)星數(shù)據(jù)的存儲管理問題。