Facebook目前存储了2600亿张照片，总大小为20PB，通过计算可以得出每张照片的平均大小为20PB/260GB，约为80KB。用户每周新增照片数为10亿（总大小为60TB），平均每秒新增的照片数为10_{9}/7/40000（按每天40000s计），约为每秒3500次写操作，读操作峰值可以达到每秒百万次。
Facebook相册后端早期采用基于NAS的存储，通过NFS挂载NAS中的照片文件来提供服务。后来出于性能和成本考虑，自主研发了Facebook Haystack存储相册数据。
系统架构
Facebook Haystack的思路与TFS类似，也是多个逻辑文件共享一个物理文件。Haystack架构及读请求处理流程如图4-6所示。
Haystack系统主要包括三个部分：目录（Directory）、存储（Store）以及缓存（Cache）。Haystack存储是物理存储节点，以物理卷轴（physical volume）的形式组织存储空间，每个物理卷轴一般都很大，比如100GB，这样10TB的数据也只需100个物理卷轴。每个物理卷轴对应一个物理文件，因此，每个存储节点上的物理文件元数据都很小。多个物理存储节点上的物理卷轴组成一个逻辑卷轴（logical volume），用于备份。Haystack目录存放逻辑卷轴和物理卷轴的对应关系，以及照片id到逻辑卷轴之间的映射关系。Haystack缓存主要用于解决对CDN提供商过于依赖的问题，提供最近增加的照片的缓存服务。
Haystack照片读取请求大致流程为：用户访问一个页面时，Web服务器请求Haystack目录构造一个URL：http://＜CDN＞/＜Cache＞/＜Machine id＞/＜Logical volume,Photo＞，后续根据各个部分的信息依次访问CDN、Haystack缓存和后端的Haystack存储节点。Haystack目录构造URL时可以省略＜CDN＞部分从而使得用户直接请求Haystack缓存而不必经过CDN。CDN。Haystack缓存收到的请求包含两个部分：用户浏览器的请求及CDN的请求，Haystack缓存只缓存用户浏览器发送的请求且要求请求的Haystack存储节点是可写的。一般来说，Haystack后端的存储节点写一段时间以后达到容量上限变为只读，因此，可写节点的照片为最近增加的照片，是热点数据。本节暂不讨论CDN，只讨论Haystack后端存储系统，包括Haystack目录和Haystack缓存两个部分。
1.写流程
如图4-7所示，Haystack的写请求（照片上传）处理流程为：Web服务器首先请求Haystack目录获取可写的逻辑卷轴，接着生成照片唯一id并将数据写入每一个对应的物理卷轴（备份数一般为3）。写操作成功要求所有的物理卷轴都成功，如果中间出现故障，需要重试。
Haystack的一致性模型保证只要写操作成功，逻辑卷轴对应的所有物理卷轴都存在一个有效的照片文件，但有效照片文件在不同物理卷轴中的偏移（offset）可能不同。
Haystack存储节点只支持追加操作，如果需要更新一张照片，可以新增一张编号相同的照片到系统中，如果新增照片和原有的照片在不同的逻辑卷轴，Haystack目录的元数据会更新为最新的逻辑卷轴；如果新增照片和原有的照片在相同的逻辑卷轴，Haystack存储会以偏移更大的照片文件为准。
2.容错处理
（1）Haystack存储节点容错
检测到存储节点故障时，所有物理卷轴对应的逻辑卷轴都被标记为只读。存储节点上的未完成的写操作全部失败，写操作将重试；如果发生故障的存储节点不可恢复，需要执行一个拷贝任务，从其他副本所在的存储节点拷贝丢失的物理卷轴的数据；由于物理卷轴一般很大，比如100GB，所以拷贝的过程会很长，一般为小时级别。
2）Haystack目录容错
Haystack目录采用主备数据库（Replicated Database）做持久化存储，由主备数据库提供容错机制。
3.Haystack目录
Haystack目录的功能如下：
1）提供逻辑卷轴到物理卷轴的映射，维护照片id到逻辑卷轴的映射；
2）提供负载均衡，为写操作选择逻辑卷轴，读操作选择物理卷轴；
3）屏蔽CDN服务，可以选择某些图片请求直接走Haystack缓存；
4）标记某些逻辑卷轴为只读。
根据前面的计算结果可知，Facebook相册系统每秒的写操作大约为3500次，每秒的读请求大约为100万次。每个写请求都需要通过Haystack缓存获取可写的卷轴，每个读请求需要通过Haystack缓存构造读取URL。这里需要注意，照片id到逻辑卷轴的映射的数据量太大，单机内存无法存放，笔者猜测内部使用了MySQL Sharding集群，另外，还增加了一个Memcache集群满足查询需求。
4.Haystack存储
Haystack存储保存物理卷轴，每个物理卷轴对应文件系统中的一个物理文件，每个物理文件的格式如图4-8所示。
多个照片文件存放在一个物理卷轴中，每个照片文件是一个Needle，包含实际数据及逻辑照片文件的元数据。部分元数据需要装载到内存中用于照片查找，包括Key（照片id，8字节），Alternate Key（照片规格，包括Thumbnail、Small、Medium及Large，4字节），照片在物理卷轴的偏移Offset（4字节），照片的大小Size（4字节），每张照片占用8+8+4=20字节的空间，假设每台机器的可用磁盘为8TB，照片平均大小为80KB，单机存储的照片数为8TB/80KB=100MB，占用内存100MB×20=2GB。
存储节点宕机时，需要恢复内存中的逻辑照片查找表，扫描整个物理卷轴耗时太长，因此，对每个物理卷轴维护了一个索引文件（Index File），保存每个Needle查找相关的元数据。写操作首先更新物理卷轴文件，然后异步更新索引文件。由于更新索引文件是异步的，所以可能出现索引文件和物理卷轴文件不一致的情况，不过由于对物理卷轴文件和索引文件的操作都是追加操作，只需要扫描物理卷轴文件最后写入的几个Needle，然后补全索引文件即可。这种技术在仅支持追加的文件系统很常见。
Haystack Store存储节点采用延迟删除的回收策略，删除照片只是向卷轴中追加一个带有删除标记的Needle，定时执行Compaction任务回收已删除空间。所谓Compaction操作，即将所有老数据文件中的数据扫描一遍，以保留最新一个照片的原则进行删除，并生成新的数据文件。
讨论
相比TFS,Haystack的一大特色就是磁盘空间回收。Blob文件在TFS中通过＜Block id,Block offset＞标识，因此，不能对TFS中的数据块进行重整操作；而Haystack中的元信息只能定位到Blob文件所在的逻辑卷轴，Haystack存储节点可以根据情况对物理卷轴进行Compaction操作以回收磁盘空间。
Facebook Haystack中每个逻辑卷轴的大小为100GB，这样减少了元信息，但是增加了迁移的时间。假设限制内部网络带宽为20MB/s，那么迁移100GB的数据需要的时间为100GB/20MB/s=5000s，大约是一个半小时。而TFS设计的数据规模相比Haystack要小，因此，可以选择64MB的块大小，有利于负载均衡。
另外，Haystack使用RAID 6，并且底层文件系统使用性能更好的XFS，淘宝TFS不使用RAID机制，文件系统使用Ext3，由应用程序负责管理多个磁盘。Haystack使用了Akamai＆Limelight的CDN服务，而淘宝已经使用自建的CDN，当然，Facebook也在考虑自建CDN。
