電子工業(yè)出版社《云計(jì)算(第二版)》配套課件解放軍理工大學(xué)教授主編華東交通大學(xué)制作第2章Google云計(jì)算原理與應(yīng)用《云計(jì)算（第二版）》購買網(wǎng)址：當(dāng)當(dāng)網(wǎng)

京東商城姊妹力作《實(shí)戰(zhàn)Hadoop》購買網(wǎng)址：當(dāng)當(dāng)網(wǎng)

京東商城提綱Google文件系統(tǒng)GFS分布式數(shù)據(jù)處理MapReduce

分布式鎖服務(wù)Chubby

分布式結(jié)構(gòu)化數(shù)據(jù)表Bigtable

分布式存儲(chǔ)系統(tǒng)Megastore大規(guī)模分布式系統(tǒng)的監(jiān)控基礎(chǔ)架構(gòu)DapperGoogle應(yīng)用程序引擎分布式存儲(chǔ)系統(tǒng)Megastore設(shè)計(jì)目標(biāo)及方案選擇

Megastore數(shù)據(jù)模型Megastore中的事務(wù)及并發(fā)控制

Megastore基本架構(gòu)核心技術(shù)——復(fù)制產(chǎn)品性能及控制措施在互聯(lián)網(wǎng)的應(yīng)用中，為了達(dá)到好的可擴(kuò)展性，常常會(huì)采用NoSQL存儲(chǔ)方式。但是從應(yīng)用程序的構(gòu)建方面來看，傳統(tǒng)的關(guān)系型數(shù)據(jù)庫又有著NoSQL所不具備的優(yōu)勢。

Google設(shè)計(jì)和構(gòu)建了用于互聯(lián)網(wǎng)中交互式服務(wù)的分布式存儲(chǔ)系統(tǒng)Megastore，該系統(tǒng)成功的將關(guān)系型數(shù)據(jù)庫和NoSQL的特點(diǎn)與優(yōu)勢進(jìn)行了融合設(shè)計(jì)目標(biāo)及方案選擇

可用性——實(shí)現(xiàn)了一個(gè)同步的、容錯(cuò)的、適合遠(yuǎn)距離傳輸?shù)膹?fù)制機(jī)制。引入Paxos算法并對其做出一定的改進(jìn)以滿足遠(yuǎn)距離同步復(fù)制的要求

可擴(kuò)展性

——借鑒了數(shù)據(jù)庫中數(shù)據(jù)分區(qū)的思想，將整個(gè)大的數(shù)據(jù)分割成很多小的數(shù)據(jù)分區(qū)，每個(gè)數(shù)據(jù)分區(qū)連同它自身的日志存放在NoSQL數(shù)據(jù)庫中，具體來說就是存放在Bigtable中

設(shè)計(jì)目標(biāo)一種介于傳統(tǒng)的關(guān)系型數(shù)據(jù)庫和NoSQL之間的存儲(chǔ)技術(shù)，盡可能達(dá)到高可用性和高可擴(kuò)展性的統(tǒng)一

數(shù)據(jù)分區(qū)和復(fù)制

數(shù)據(jù)分區(qū)和復(fù)制Megastore中，這些小的數(shù)據(jù)分區(qū)被稱為實(shí)體組集（EntityGroups）。每個(gè)實(shí)體組集包含若干實(shí)體組（EntityGroup，相當(dāng)于分區(qū)中表的概念），而一個(gè)實(shí)體組中又包含很多的實(shí)體（Entity，相當(dāng)于表中記錄的概念）。從圖中還可以看出單個(gè)實(shí)體組支持ACID語義實(shí)體組集之間只具有比較松散的一致性。每個(gè)實(shí)體組都通過復(fù)制技術(shù)在數(shù)據(jù)中心中保存若干數(shù)據(jù)副本，這些實(shí)體組及其副本都存儲(chǔ)在NoSQL數(shù)據(jù)庫（Bigtable）中

分布式存儲(chǔ)系統(tǒng)Megastore設(shè)計(jì)目標(biāo)及方案選擇

Megastore數(shù)據(jù)模型Megastore中的事務(wù)及并發(fā)控制

Megastore基本架構(gòu)核心技術(shù)——復(fù)制產(chǎn)品性能及控制措施Megastore數(shù)據(jù)模型

傳統(tǒng)的關(guān)系型數(shù)據(jù)庫是通過連接（Join）來滿足用戶的需求的，但是就Megastore而言，這種數(shù)據(jù)模型是不合適的，主要有以下三個(gè)原因：（1）對于高負(fù)載的交互式應(yīng)用來說，可預(yù)期的性能提升要比使用一種代價(jià)高昂的查詢語言所帶來的好處多（2）Megastore所面對的應(yīng)用是讀遠(yuǎn)多于寫，因此好的選擇是將讀操作所需要做的工作盡可能地轉(zhuǎn)移到寫操作上（3）在Bigtable這樣的鍵/值存儲(chǔ)系統(tǒng)中存儲(chǔ)和查詢級聯(lián)數(shù)據(jù)（HierarchicalData）是很方便的

Megastore數(shù)據(jù)模型怎么設(shè)計(jì)？Google設(shè)計(jì)了一種能夠提供細(xì)粒度控制的數(shù)據(jù)模型和模式語言

同關(guān)系型數(shù)據(jù)庫一樣，Megastore的數(shù)據(jù)模型是在模式（schema）中定義的且是強(qiáng)類型的（stronglytyped）

每個(gè)模式都由一系列的表（tables）構(gòu)成，表又包含有一系列的實(shí)體（entities），每實(shí)體中包含一系列屬性（properties）

屬性是命名的且具有類型，這些類型包括字符型（strings）、數(shù)字類型（numbers）或者Google的ProtocolBuffers。這些屬性可以被設(shè)置成必須的（required）、可選的（optional）或者可重復(fù)的（repeated，即允許單個(gè)屬性上有多個(gè)值）

數(shù)據(jù)模型實(shí)例

照片共享服務(wù)數(shù)據(jù)模型實(shí)例

圖中表Photo就是一個(gè)子表，因?yàn)樗暶髁艘粋€(gè)外鍵；User則是一個(gè)根表。一個(gè)Megastore實(shí)例中可以有若干個(gè)不同的根表，表示不同類型的實(shí)體組集圖中實(shí)例還可以看到三種不同屬性設(shè)置，既有必須的（如user_id），也有可選的（如thumbnail_url）；值得注意的是Photo中的可重復(fù)類型的tag屬性，這也就意味著一個(gè)Photo中允許同時(shí)出現(xiàn)多個(gè)tag屬性

索引（Index）

Megastore索引分成兩大類：局部索引（localindex）和全局索引（globalindex）

局部索引定義在單個(gè)實(shí)體組中，作用域僅限于單個(gè)實(shí)體組（如PhotosByTime

）

全局索引則可以橫跨多個(gè)實(shí)體組集進(jìn)行數(shù)據(jù)讀取操作（如PhotosByTag

）Megastore還提供了一些額外的索引特性：

STORING子句（STORINGClause）

可重復(fù)的索引（RepeatedIndexes）

內(nèi)聯(lián)索引（InlineIndexes）Bigtable中數(shù)據(jù)存儲(chǔ)情況

行鍵（RowKey）UPhoto.timePhoto.tagPhoto._url101John101,50012:30:01Dinner,Paris…101,50212:15:22Betty,Paris…102Mary表中不難看出——Bigtable的列名實(shí)際上是表名和屬性名結(jié)合在一起得到，不同表中實(shí)體可存儲(chǔ)在同一個(gè)Bigtable行中分布式存儲(chǔ)系統(tǒng)Megastore設(shè)計(jì)目標(biāo)及方案選擇

Megastore數(shù)據(jù)模型Megastore中的事務(wù)及并發(fā)控制

Megastore基本架構(gòu)核心技術(shù)——復(fù)制產(chǎn)品性能及控制措施Megastore中的事務(wù)及并發(fā)控制Megastore三種方式的讀，分別是current、snapshot和inconsistent

其中current讀和snapshot讀總是在單個(gè)實(shí)體組中完成

對于snapshot讀，系統(tǒng)取出已知的最后一個(gè)完整提交的事務(wù)的時(shí)間戳，接著從這個(gè)位置讀數(shù)據(jù)

inconsistent讀忽略日志的狀態(tài)直接讀取最新的值Megastore中的事務(wù)及并發(fā)控制Megastore事務(wù)中的寫操作采用了預(yù)寫式日志（Write-aheadLog）

一個(gè)寫事務(wù)總是開始于一個(gè)current讀以便確認(rèn)下一個(gè)可用的日志位置。提交操作將數(shù)據(jù)變更聚集到日志，接著分配一個(gè)比之前任意一個(gè)都高的時(shí)間戳，然后使用Paxos將數(shù)據(jù)變更加入到日志中

協(xié)議使用了樂觀并發(fā)（OptimisticConcurrency）：盡管可能有多個(gè)寫操作同時(shí)試圖寫同一個(gè)日志位置，但只會(huì)有1個(gè)成功讀：獲取最后一次提交的事務(wù)的時(shí)間戳和日志位置完整事務(wù)周期應(yīng)用邏輯：從Bigtable讀取且聚集數(shù)據(jù)到日志入口提交：使用Paxos達(dá)到一致，將個(gè)入口追加到日志生效：將數(shù)據(jù)更新到Bigtable中的實(shí)體和索引清除：清理不再需要的數(shù)據(jù)Megastore中的事務(wù)機(jī)制

消息隊(duì)列機(jī)制消息能夠橫跨實(shí)體組

每個(gè)消息都有一個(gè)發(fā)送和接收實(shí)體組如果兩個(gè)實(shí)體組是不同的，則傳輸將是異步特點(diǎn)規(guī)模：聲明一個(gè)隊(duì)列后可以在其他所有的實(shí)體組上創(chuàng)建一個(gè)收件箱支持兩階段提交增加競爭風(fēng)險(xiǎn)，不鼓勵(lì)使用

Megastore中的事務(wù)機(jī)制

分布式存儲(chǔ)系統(tǒng)Megastore設(shè)計(jì)目標(biāo)及方案選擇

Megastore數(shù)據(jù)模型Megastore中的事務(wù)及并發(fā)控制

Megastore基本架構(gòu)核心技術(shù)——復(fù)制產(chǎn)品性能及控制措施Megastore的基本架構(gòu)Megastore中三種副本

完整副本：Bigtable中存儲(chǔ)完整的日志和數(shù)據(jù)見證者副本：在Paxos算法執(zhí)行過程中無法產(chǎn)生一個(gè)決議時(shí)參與投票只讀副本：讀取最近過去某一個(gè)時(shí)間點(diǎn)一致性數(shù)據(jù)

Megastore的基本架構(gòu)Megastore中提供快速讀（FastReads）和快速寫（FastWrites）機(jī)制

快速讀如果讀操作不需要副本之間進(jìn)行通信即可完成，那么讀取的效率必然相對較高

利用本地讀?。↙ocalReads）實(shí)現(xiàn)快速讀，能夠帶來更好的用戶體驗(yàn)及更低的延遲

確?？焖僮x成功的關(guān)鍵是保證選擇的副本上數(shù)據(jù)是最新的。為了達(dá)到這一目標(biāo)，引入了協(xié)調(diào)者的概念

協(xié)調(diào)者是一個(gè)服務(wù)，該服務(wù)分布在每個(gè)副本的數(shù)據(jù)中心里面。它的主要作用就是跟蹤一個(gè)實(shí)體組集合

協(xié)調(diào)者的狀態(tài)是由寫算法來保證快速寫

Megastore采用了一種在主/從式系統(tǒng)中常用的優(yōu)化方法。如果一次寫成功，那么下一次寫的時(shí)候就跳過準(zhǔn)備過程，直接進(jìn)入接受階段

Megastore沒有使用專門的主服務(wù)器，而是使用leaders

leader主要是來裁決哪個(gè)寫入的值可以獲取0號提議

優(yōu)化：提交值最多的位置附近選擇一副本作為leader

客戶端、網(wǎng)絡(luò)及Bigtable的故障都會(huì)導(dǎo)致一個(gè)寫操作處于不確定的狀態(tài)分布式存儲(chǔ)系統(tǒng)Megastore設(shè)計(jì)目標(biāo)及方案選擇

Megastore數(shù)據(jù)模型Megastore中的事務(wù)及并發(fā)控制

Megastore基本架構(gòu)核心技術(shù)——復(fù)制產(chǎn)品性能及控制措施復(fù)制的日志

預(yù)寫式日志當(dāng)日志有不完整的前綴時(shí)我們就稱一個(gè)日志副本有“缺失”（Holes）

圖中0～99的日志位置已經(jīng)被全部清除；100的日志位置被部分清除；101的日志位置被全部副本接受；102的日志位置被γ獲得；103的日志位置被副本A和C接受，副本B則留下了一個(gè)“缺失”；104的日志位置則未達(dá)到一致性數(shù)據(jù)讀取

數(shù)據(jù)讀取數(shù)據(jù)讀取過程:本地查詢（QueryLocal）發(fā)現(xiàn)位置（FindPosition）

本地讀取（LocalRead）

多數(shù)派讀?。∕ajorityRead）追趕（Catchup）

Paxos將會(huì)促使絕大多數(shù)副本達(dá)成一個(gè)共識值達(dá)到一種分布式一致狀態(tài)驗(yàn)證（Validate）查詢數(shù)據(jù)（QueryData）數(shù)據(jù)寫入

數(shù)據(jù)寫入數(shù)據(jù)寫入完整過程

:（1）接受leader：請求leader接受值作為0號提議（快速寫方法），若成功，跳至步驟（3）（2）準(zhǔn)備：將值替換成擁有最高提議號的那個(gè)值（3）接受：請求剩余的副本接受該值，如果大多數(shù)副本拒絕這個(gè)值，返回步驟（2）（4）失效：將不接受值的副本上的協(xié)調(diào)者進(jìn)行失效操作（5）生效：將值的更新在盡可能多的副本上生效。如果選擇的值和原來提議的有沖突，返回一個(gè)沖突錯(cuò)誤

協(xié)調(diào)者的可用性

協(xié)調(diào)者在系統(tǒng)中是比較重要的——協(xié)調(diào)者的進(jìn)程運(yùn)行在每個(gè)數(shù)據(jù)中心。每次的寫操作中都要涉及協(xié)調(diào)者，因此協(xié)調(diào)者的故障將會(huì)導(dǎo)致系統(tǒng)的不可用

Megastore使用了Chubby鎖服務(wù)，為了處理請求，一個(gè)協(xié)調(diào)者必須持有多數(shù)鎖。一旦因?yàn)槌霈F(xiàn)問題導(dǎo)致它丟失了大部分鎖，協(xié)調(diào)者就會(huì)恢復(fù)到一個(gè)默認(rèn)保守狀態(tài)除了可用性問題，對于協(xié)調(diào)者的讀寫協(xié)議必須滿足一系列的競爭條件

分布式存儲(chǔ)系統(tǒng)Megastore設(shè)計(jì)目標(biāo)及方案選擇

Megastore數(shù)據(jù)模型Megastore中的事務(wù)及并發(fā)控制

Megastore基本架構(gòu)核心技術(shù)——復(fù)制產(chǎn)品性能及控制措施可用性分布情況

可用性分布情況

Megastore在Google中已經(jīng)部署和使用了若干年，有超過100個(gè)產(chǎn)品使用Megastore作為其存儲(chǔ)系統(tǒng)從圖中可以看出，絕大多數(shù)產(chǎn)品具有極高的可用性（>99.999%）。這表明Megastore系統(tǒng)的設(shè)計(jì)是非常成功的，基本達(dá)到了預(yù)期目標(biāo)

產(chǎn)品延遲情況分布

應(yīng)用程序的平均讀取延遲在萬分之一毫秒之內(nèi)，平均寫入延遲在100至400毫秒之間

避免Megastore的性能下降，可采取以下三種應(yīng)對方法（可能結(jié)合使用）：（1）重新選擇路由使客戶端繞開出現(xiàn)問題的副本（2）將出現(xiàn)問題副本上的協(xié)調(diào)者禁用，確保問題的影響降至最小。（3）禁用整個(gè)副本平均延遲的分布需要指出：Megastore已經(jīng)是Google相對過時(shí)的存儲(chǔ)技術(shù)。Google目前正在使用的存儲(chǔ)系統(tǒng)是Spanner架構(gòu)，Spanner的設(shè)計(jì)目標(biāo)是能夠控制一百萬到一千萬臺(tái)服務(wù)器，Spanner最強(qiáng)大之處在于能夠在50毫秒之內(nèi)為數(shù)據(jù)傳遞提供通道大規(guī)模分布式系統(tǒng)的監(jiān)控基礎(chǔ)架構(gòu)Dapper基本設(shè)計(jì)目標(biāo)Dapper監(jiān)控系統(tǒng)簡介關(guān)鍵性技術(shù)

常用Dapper工具Dapper使用經(jīng)驗(yàn)用戶將一個(gè)關(guān)鍵字通過Google的輸入框傳到Google的后臺(tái)，在我們看來很簡單的一次搜索實(shí)際上涉及了眾多Google后臺(tái)子系統(tǒng)，這些子系統(tǒng)的運(yùn)行狀態(tài)都需要進(jìn)行監(jiān)控

廣泛可部署性不間斷的監(jiān)控監(jiān)控系統(tǒng)設(shè)計(jì)兩個(gè)基本要求

設(shè)計(jì)目標(biāo)

030201廣泛可部署性的必然要求。監(jiān)控系統(tǒng)的開銷越低，對于原系統(tǒng)的影響就越小，系統(tǒng)的開發(fā)人員也就越愿意接受這個(gè)監(jiān)控系統(tǒng)

Google的服務(wù)增長速度是驚人的，設(shè)計(jì)出的系統(tǒng)至少在未來幾年里要能夠滿足Google服務(wù)和集群的需求如果監(jiān)控系統(tǒng)的使用需要程序開發(fā)人員對其底層的一些細(xì)節(jié)進(jìn)行調(diào)整才能正常工作的話，這個(gè)監(jiān)控系統(tǒng)肯定不是一個(gè)完善的監(jiān)控系統(tǒng)

低開銷

應(yīng)用層透明

可擴(kuò)展性

大規(guī)模分布式系統(tǒng)的監(jiān)控基礎(chǔ)架構(gòu)Dapper基本設(shè)計(jì)目標(biāo)Dapper監(jiān)控系統(tǒng)簡介關(guān)鍵性技術(shù)

常用Dapper工具Dapper使用經(jīng)驗(yàn)基本概念

圖中，用戶發(fā)出請求X，前端A發(fā)現(xiàn)該請求的處理需要涉及服務(wù)器B和服務(wù)器C，因此A又向B和C發(fā)出兩個(gè)RPC（遠(yuǎn)程過程調(diào)用）。B收到后立刻做出響應(yīng)，但是C在接到后發(fā)現(xiàn)它還需要調(diào)用服務(wù)器D和E才能完成請求X，因此C對D和E分別發(fā)出了RPC，D和E接到后分別做出了應(yīng)答，收到D和E的應(yīng)答之后C才向A做出響應(yīng)，在接收到B和C的應(yīng)答之后A才對用戶請求X做出一個(gè)應(yīng)答X

在監(jiān)控系統(tǒng)中記錄下所有這些消息不難，如何將這些消息記錄同特定的請求（本例中的X）關(guān)聯(lián)起來才是分布式監(jiān)控系統(tǒng)設(shè)計(jì)中需要解決的關(guān)鍵性問題之一典型分布式系統(tǒng)的請求及應(yīng)答過程

方案一黑盒（BlackBox）方案——方案比較輕便，但在消息關(guān)系判斷過程中，主要是利用一些統(tǒng)計(jì)學(xué)知識來進(jìn)行推斷，有時(shí)不是很準(zhǔn)確方案二基于注釋的方案

——利用應(yīng)用程序或中間件給每條記錄賦予一個(gè)全局性的標(biāo)示符，借此將相關(guān)消息串聯(lián)起來（Google最終選擇）基本概念

Dapper監(jiān)控系統(tǒng)中三個(gè)基本概念：監(jiān)控樹（TraceTree）、區(qū)間（Span）和注釋（Annotation）圖示是一個(gè)典型的監(jiān)控樹，實(shí)際上就是一個(gè)同特定事件相關(guān)的按照一定的規(guī)律以樹的形式組織起來所有消息，每一個(gè)節(jié)點(diǎn)稱為一個(gè)區(qū)間（一條記錄），所有記錄聯(lián)系在一起就構(gòu)成了對某個(gè)事件的完整監(jiān)控。每個(gè)區(qū)間包括如下的內(nèi)容：區(qū)間名（SpanName）、區(qū)間id（Spanid）、父id（Parentid）和監(jiān)控id（Traceid）

監(jiān)控樹監(jiān)控id圖中并沒有列出，一棵監(jiān)控樹中所有區(qū)間的監(jiān)控id相同，隨機(jī)分配且唯一區(qū)間Helper.Call的詳細(xì)信息圖中區(qū)間包含來自客戶端的注釋信息：“<Start>”、“ClientSend”、“ClientRecv”和“<End>”，也包含來自服務(wù)器端的注釋信息：“ServerRecv”、“foo”和“ServerSend”。除“foo”是用戶自定義的注釋外，其他的注釋信息都是和時(shí)間相關(guān)的信息。Dapper不但支持用戶進(jìn)行簡單的文本方式的注釋，還支持鍵-值對方式的注釋基本概念

監(jiān)控信息的匯總監(jiān)控信息匯總

監(jiān)控信息匯總（1）將區(qū)間的數(shù)據(jù)寫入到本地的日志文件（2）所有機(jī)器上的本地日志文件匯集（3）匯集后的數(shù)據(jù)寫入到Bigtable存儲(chǔ)庫中監(jiān)控?cái)?shù)據(jù)匯總是單獨(dú)進(jìn)行的，而不是伴隨系統(tǒng)對用戶的應(yīng)答一起返回的，如此選擇主要原因：內(nèi)置的匯總方案（監(jiān)控?cái)?shù)據(jù)隨RPC應(yīng)答頭返回）會(huì)影響網(wǎng)絡(luò)動(dòng)態(tài)內(nèi)置的匯總方案需要保證所有的RPC都是完全嵌套安全問題

應(yīng)用層注釋提供一種方便的選擇機(jī)制（Opt-inMechanism）：應(yīng)用程序開發(fā)者可以將任何對后期分析有益的數(shù)據(jù)和區(qū)間關(guān)聯(lián)起來

大規(guī)模分布式系統(tǒng)的監(jiān)控基礎(chǔ)架構(gòu)Dapper基本設(shè)計(jì)目標(biāo)Dapper監(jiān)控系統(tǒng)簡介關(guān)鍵性技術(shù)

常用Dapper工具Dapper使用經(jīng)驗(yàn)Dapper三個(gè)設(shè)計(jì)目標(biāo)中，實(shí)現(xiàn)難度最大的是？應(yīng)用層透明怎么實(shí)現(xiàn)應(yīng)用層透明輕量級的核心功能庫

二次抽樣技術(shù)

輕量級核心功能庫

將Dapper的核心監(jiān)控實(shí)現(xiàn)限制在一個(gè)由通用線程（UbiquitousThreading）、控制流（ControlFlow）和RPC代碼庫（RPCLibraryCode）組成的小規(guī)模庫基礎(chǔ)上其中最關(guān)鍵的代碼基礎(chǔ)是基本RPC、線程和控制流函數(shù)庫的實(shí)現(xiàn)，主要功能是實(shí)現(xiàn)區(qū)間創(chuàng)建、抽樣和在本地磁盤上記錄日志二次抽樣技術(shù)

第一次抽樣——實(shí)踐中，設(shè)計(jì)人員發(fā)現(xiàn)當(dāng)抽樣率低至1/1024時(shí)也能夠產(chǎn)生足夠多的有效監(jiān)控?cái)?shù)據(jù)，即在1024個(gè)請求中抽取1個(gè)進(jìn)行監(jiān)控也是可行的，從而可以捕獲有效數(shù)據(jù)第二次抽樣——發(fā)生在數(shù)據(jù)寫入Bigtable前，具體方法是將監(jiān)控id散列成一個(gè)標(biāo)量z（0≤z≤1），如果某個(gè)區(qū)間的z小于事先定義好的匯總抽樣系數(shù)，則保留這個(gè)區(qū)間并將它寫入Bigtable，否則丟棄大規(guī)模分布式系統(tǒng)的監(jiān)控基礎(chǔ)架構(gòu)Dapper基本設(shè)計(jì)目標(biāo)Dapper監(jiān)控系統(tǒng)簡介關(guān)鍵性技術(shù)

常用Dapper工具Dapper使用經(jīng)驗(yàn)Dapper存儲(chǔ)API

Dapper的“存儲(chǔ)API”簡稱為DAPI，提供了對分散在區(qū)域Dapper存儲(chǔ)庫（DEPOTS）的監(jiān)控記錄的直接訪問。一般來說，有以下三種方式可以對這些記錄進(jìn)行訪問：

（1）監(jiān)控id訪問（AccessbyTraceid）

利用全局唯一的監(jiān)控id直接訪問所需的監(jiān)控?cái)?shù)據(jù)

（2）塊訪問（BulkAccess）

借助MapReduce對數(shù)以十億計(jì)的Dapper監(jiān)控?cái)?shù)據(jù)的并行訪問

（3）索引訪問（IndexedAccess）

Dapper存儲(chǔ)庫支持單索引（SingleIndex）根據(jù)不完全統(tǒng)計(jì)，目前大約有三個(gè)基于DAPI的持久應(yīng)用程序，八個(gè)額外的基于DAPI的按需分析工具及大約15～20個(gè)使用DAPI框架構(gòu)建的一次性分析工具

Dapper用戶界面

（1）選擇監(jiān)控對象（起止時(shí)間、區(qū)