云表格使用教程

更多深度文章，请关注云计算频道：https://yq.aliyun.com/cloud

目前不少云备份、网盘等产品都提供了秒传的功能，一方面能够显著的提高了用户的使用体验，另外一方面由于避免了不必要的文件传输，又有效的降低了存储成本与带宽成本。

而实现文件的"秒传"，只需要通过客户端从文件中获取一个特征值，比如常用的 MD5 值，然后在服务器上保存所有文件的特征值进行比较，如果有重复的，就无需再上传数据，只需要复制一份文件的存储路径即可。进一步考虑到文件的分享、保存以及后期的清理，我们将文件的特征值与当前引用计数存储在元数据 DB 中。

"秒传"机制看起来容易，但是在实现细节上也有不少问题需要处理。

面临的问题

上传的一致性问题

同一个文件同时由多个用户上传，如果没有锁保护，会出现先更新的值被后更新的值覆盖掉的情况，计数会低于实际引用的用户数量，导致文件可能被提前删除。

删除的一致性问题

在删除时， 使用异步删除能够明显的提高响应延时，并且，异步删除能够更方便的控制实际删除的时间，在用户误删除或者删除之后的重新上传的情况(云相册的删除和重新同步)下都能够获得更好的用户体验。

但是使用异步删除后，在启动删除前有可能有用户重新上传该文件，由于文件名一致，则有可能会覆盖当前的文件，此时启动删除动作，会将该重新上传的文件删除掉，导致用户上传成功，但文件被删除。

尽管可以在删除时再次检查引用计数是否为0，仍然有可能有用户在检查之后和实际删除启动之间上传新的文件，依然避免不了上述的一致性问题。

并发及性能

将文件的MD5信息与引用计数作为元数据存放在DB中，由于文件的个数数以亿计，活跃用户数也数以千万计，为了提供真正的秒传秒复制，元数据的读写性能和并发能力都极为重要。

在百万级并发、亿级数据量的情况下，读写性能需要保证在毫秒级。

解决方案

文件上传

在文件上传时，先读取到当前的该文件的引用计数：

若不存在该条记录，说明为第一次上传，文件上传成功后调用PutRow使用期望行不存在的条件 EXPECT_NOT_EXIST 将计数写入 1。避免有多个用户同时写入该文件，如果条件检查失败，即有其他用户先上传成功，转入 引用计数不为0 的处理逻辑。

若大于 0，则对引用计数进行加1操作，返回给用户 上传成功，达到秒传或者秒拷贝的效果，流程见下图。

若为 0，说明文件 将要被删除，见下文 文件删除 处理部分。

若为 -1，说明文件 正在被删除，为了保证一致性，等待文件删除完之后才能上传，详见下文 文件删除 处理部分。

文件删除

在文件上传时，由于为了提高系统的响应时间或者应对误删除的再次上传(尤其是相册同步)，一般采用异步删除，由于文件存储系统无锁机制，需要对跨系统的 文件存储系统 + 元数据DB 进行一致性保证，处理逻辑如下：

客户端逻辑

若该行不存在或者引用计数大于0，参考上文中 文件上传 处理逻辑。

若引用计数为 -1，进行等待直到引用计数Count为 0，由于 OSS Object 删除延时很低，该等待时间可控。

若引用计数为 0， 先进行引用计数加1，成功后通知用户上传成功。

若引用计数大于 0， 参考上文中 文件上传 处理逻辑。

删除任务逻辑

当删除任务被激活时，先进行删除标志位检查，需要检查引用计数为 0，确保可以正常删除。

将引用计数置为 -1，此时禁止用户上传，如果条件检查失败(set Count to -1 if Count=0)，说明此时有用户上传该文件，删除任务作废。

如果引用计数 Count 置为 -1 成功，进行文件删除，删除之后 Count 置为 0，允许用户新上传。此时也可以将该条元数据记录直接删除。

删除工作完成。

方案说明

上述是基于表格存储(原OTS)接口实现，不同的DB有类似的实现方式。

由于需要处理 文件删除时 的一致性问题，故单纯的自增自减不适用，需要使用条件更新，否者会将 Count 减到小于 0，破坏上述的一致性机制。 需要保证引用计数Count由且只能由删除任务置为-1。而 TableStore 支持带条件的自加或自减，例如 Count+=1 if condition，可以大大简化开发逻辑。

对存储元数据 DB 的要求

1.毫秒级的性能

为了保证整个链路的时延，元数据的读写都必须在单个毫秒。传统的关系型数据库在千万级以上规模的查询效率会显著下降。

TableStore的机制能够保证单行查询的延时可预期，只与查询的结果集大小相关，与基础数据量无关。高性能实例的单行随机查询在TB级数据量与PB级数据量均为单个毫秒。

2.高并发

互联网应用中，并发峰值会与活跃用户数有线性关系，千万级活跃用户数的应用需要保证 百万级 的并发以应对访问峰值。一般的 DB 会受到单机能力的上限。

TableStore为NoSQL分布式数据库服务，提供弹性资源，能够支持0到百万的访问TPS。

3.能够简化开发及运维工作

为了保证性能和提高并发能力，使用一般的 DB 需要搭建集群，在业务上也要进行分库分表的操作，这会大大增加开发和运维的难度。

上述方案中调用的单行写 PutRow、单行读 GetRow 及单行更新 UpdateRow都 简单易用。为提高效率，TableStore也提供批量读写 BatchWriteRow 及 BatchGetRow 接口。TableStore 服务端会根据数据量及访问情况对数据进行自动分裂，而MD5天然具有很好的离散型，能够充分打散到多台服务器上，从而提供最大 N * 单机服务能力 的访问并发，该过程对用户完全透明。

4.成本

TableStore会根据实际使用进行计费，不会产生资源闲置。以每天1000W新增文件为例，使用高性能实例日费用为60元左右，使用预留读写模式或者是容量型实例更可以控制到10元以内。 10亿 条单条记录 100B 的高性能数据存储日费用为 2.5元 左右，而容量型实例每天不到1元钱。

正因为高并发、低延时、弹性资源等特点，表格存储非常适合互联网信息的元数据存储，更多这方面的应用实践还希望能多多和大家一起交流！