[KonstantinouABTK11]Ioannis Konstantinou, Evangelos Angelou, Christina Boumpouka, Dimitrios Tsoumakos, Nectarios Koziris: On the elasticity of NoSQL databases over cloud management platforms. CIKM 2011:2385-2388
温馨提示：“论文导读”旨在推荐他人发表的本领域相关论文。本论文摘要由厦门大学计算机系林子雨老师(http://www.cs.xmu.edu.cn/linziyu)翻译，如果您对该论文细节感兴趣，可以阅读英文原文（全文PDF版权归出版商所有，因此需要到出版商网站下载该论文PDF）。
【摘要】NoSQL数据库主要关注大规模数据集的分析处理，它可以在廉价的商业服务器上提供不断增加的扩展性。NoSQL数据库的一个显著特性就是弹性(elasticity)，可以实现费用的合理分配，同时取得较高的性能，并且可以直接部署到云计算平台中。然而，资源的动态扩展和收缩的过程，通常包含了簇配置的人工操作。到目前为止，在下面两个方面还没有相关的研究：（1）对NoSQL数据库的代价进行量化；（2）在云平台上提供NoSQL数据库服务的有效性。本文中，我们提出了一个可以在云中使用的框架，它可以对NoSQL数据库系统进行动态监控。我们在一个开源的云平台上，对一些比较流行的NoSQL数据库的弹性特征进行了研究。在这个研究的基础上，我们一个决策支持系统的原型实现，它可以根据管理员或者应用定义的约束条件，对任何NoSQL数据库引擎实现自动弹性操作。
【部分正文内容翻译】
商务智能和社会网络这些应用存储的数据都已经达到PB级别，这些应用的计算和存储需求，已经达到了类似SQL这种集中式数据库的能力极限[8]。这就导致了水平可扩展、分布式、非关系型数据库的兴起，即NoSQL数据库，比如Google BigTable[9]和它的开源实现HBase[5]，以及Facebook的Cassandra[12]。NoSQL系统具备存储和索引任意数量大数据集的能力，同时可以处理来自大量并发用户的请求。它们是IaaS云（比如Amazon EC2[1]，或者它的开源实现OpenStack[6]）理想候选应用。NoSQL管理员可以充分利用云平台的API，根据实际需要来分配资源，比如虚拟机的数量和存储空间大小。
云平台的特性和NoSQL数据库的特性是高度兼容的，即都提供弹性(elasticity)和分区(sharding)。弹性，是指根据应用的实际需要来扩展和收缩资源。分区，是指在非共享体系架构内进行数据的水平划分。很显然，这两种特性是相互关联的：随着计算资源的增加和缩减，数据分区也必须进行类似的操作，并且需要保证不发生数据丢失，还要保证一定数量的副本。
许多NoSQL系统[5,12,7]都声称，可以根据参与的商业服务器节点的数量，实现自适应的弹性。但是，这种资源分配的操作通常是采用人工的方式进行的，当出现不可预期的高负载情况时，就会影响系统的可用性，就比如最近的Four-square的运行中断。许多云供应商都以服务的方式提供了自适应框架，比如Amazon SimpleDB[2]和Google App Engine[4]就可以提供近乎无限的存储能力和处理能力。但是，这些服务都是运行在专有服务器上，它们的体系架构并没有公开的资料，它们的代价很高，性能也值得怀疑[11]。
最近的一些研究工作[11,10]专注于不同分析平台的性能研究，而没有关注虚拟化资源的弹性问题。文献[13][15]关注了这个问题，但是，不是针对NoSQL数据库的。因此，虽然NoSQL和云设施在本质上都是弹性的，但是，没有研究关注在实际应用中这些弹性的有效性到底如何。就我们所知，目前还没有实际的系统可以结合两个方面的技术，并且可以根据负载的动态变化，实现NoSQL簇尺寸的自动调整。
在对目前最流行的NoSQL解决方案和OpenStack IaaS[6]进行了调研以后，我们的贡献主要包括：我们提供了一个通用的控制模块，可以对NoSQL簇进行监控；我们研究了在不同的负载类型下，一些关键性能指标（比如CPU和内存）的变化情况。在一个簇的尺寸发生变化后，我们对由此带来的代价和收益进行了记录。在不同的负载下增加簇的尺寸时，我们会记录由此带来的性能收益；我们设计了一个原型系统演示来证明我们框架的有效性，它可以实现簇尺寸的自动调整。为了演示我们的系统的模块性，我们融合了三个流行的NoSQL系统，即HBase[5],Cassandra[12]和Riak[7]，这三个系统都支持弹性可扩展。我们利用了YCSB[10]，它是Yahoo的开源客户端。
我们的弹性测试框架，是一个开源项目，包含了两千多行代码，它的体系架构如图1所示。Command Issuing模块用来发起命令，对簇的大小进行调整，它和Cloud Mangement模块进行协调，后者会直接和Cloud Provider进行联系，通过增加或减少虚拟机的数量来改变簇的大小。Rebalancing模块可以保证新加入簇的节点，会承担起相等份额的负载。Cluster Coordinator模块根据所采用的系统，会执行更高层次的增加、减少或重新平衡命令。最后，Monitoring模块维护从簇节点收集的、最近的性能指标。