4.1 可用性威胁与解决方案

• 挑战1：BlockServer故障影响众多VD

• • 问题描述：单个BlockServer的故障可能会影响到多个虚拟磁盘（VDs）的正常运作，这是由于传统架构中BlockServer承担了过多的职责，其稳定性直接关系到大量VD的服务连续性。

  • 解决方案：联合BlockManager（双层控制节点）。通过引入两层控制节点设计，将管理职能分散，即便单个BlockServer发生故障，也不会导致大规模VD服务中断，提高了系统的可用性。

• 挑战2：Segment迁移导致级联故障

• • 问题描述：在存储资源迁移或重新分配过程中，若处理不当，可能导致一系列连锁故障，影响整个系统的稳定性。

  • 解决方案：逻辑故障域（有限迁移）。通过定义逻辑故障域，限制数据迁移的范围和影响，确保即使在迁移过程中出现问题，也能最大限度地减少对整个系统的冲击，避免级联故障的发生。

4.2 EBS卸载技术

• FPGA限制与替代方案

• • FPGA问题：尽管FPGA在数据处理和加速方面表现出色，但它存在成本高昂、故障率相对较高的问题。

  • BlockClient卸载优化：从FPGA转向ASIC。ASIC成本友好，且能针对特定功能进行优化，提供固定的功能集，更适合长期、大规模部署，以降低成本并提高特定任务的处理效率。

  • BlockServer卸载优化：同样从FPGA转向多核ARM处理器。多核ARM处理器成本较低，同时能够提供与FPGA相近的性能表现，适用于BlockServer的卸载任务，进一步提升系统效能和经济性。

4.3 假设性问题及其影响

• Q1：如果没有日志结构化设计？这将限制EBS在成本控制和性能提升方面的进展。日志结构化设计对于快速写入、数据恢复等方面至关重要，缺少这一设计将严重阻碍系统的发展。

• Q2：EBS采用开源软件？这将导致无法进行深度协同设计。开源软件虽然有其灵活性和开放性，但在高度定制化和深度集成的云存储解决方案中，缺乏与硬件紧密协同优化的可能性，从而限制了系统性能的极致发挥。

• Q3：如果不分离Pangu？Pangu作为存储管理的核心，若与其组件不进行有效分离，将拖慢EBS的开发进度。分离设计允许各组件独立演进，加速技术创新和系统优化，是推动EBS持续发展的重要策略。

本文深入分析了EBS的发展历程，揭示了在构建大规模云存储服务时面临的挑战和采取的策略。通过不断的技术迭代和对硬件优化的探索，阿里云EBS团队解决了性能、效率、可用性和成本等方面的难题，为行业提供了宝贵的实践经验与教训。

---

如果您看完有所受益，欢迎点击文章底部左下角“关注”并点击“分享”、“在看”，非常感谢！

精彩推荐:

• CXL-GPU: 全球首款实现百ns以内的低延迟CXL解决方案

• 万字长文｜下一代系统内存数据加速接口SDXI解读

• 数据中心：AI范式下的内存挑战与机遇

• WDC西部数据闪存业务救赎之路，会成功吗？

• 属于PCIe 7.0的那道光来了～

• 深度剖析：AI存储架构的挑战与解决方案

• 浅析英伟达GPU NCCL P2P与共享内存

• 3D NAND原厂：哪家芯片存储效率更高？

• 大厂阿里、字节、腾讯都在关注这个事情！

• 磁带存储：“不老的传说”依然在继续

• 浅析3D NAND多层架构的可靠性问题

• SSD LDPC软错误探测方案解读

• 关于SSD LDPC纠错能力的基础探究

• 存储系统如何规避数据静默错误？

• PCIe P2P DMA全景解读

• 深度解读NVMe计算存储协议

• 浅析不同NAND架构的差异与影响

• SSD基础架构与NAND IO并发问题探讨

• 字节跳动ZNS SSD应用案例解析

• CXL崛起：2024启航，2025年开启新时代

• NVMe SSD：ZNS与FDP对决，你选谁？

• 浅析PCI配置空间

• 浅析PCIe系统性能

• 存储随笔《NVMe专题》大合集及PDF版正式发布！