超大文件上传到Azure Linux虚拟机最佳实践

xlid

　　客户在实际进行迁移的时候，往往碰到需要将本地数据中心的超大文件，比如单个200GB的文件，或者总共1TB的无数文件上传到Azure上的情况，尤其是传到Azure的Linux虚拟机的场景，这种场景包括：

• 大日志文件上传到Azure进行分析
  
• 数据库备份文件导入导出
  
• 大数据文件下载到本地等等
  

　　尤其是要将数据库备份文件导入到Linux虚拟机进行数据库恢复，一般用户常常会选择传统的FTP方式进行处理，这样的方式通常会花费用户十几个小时，甚至几天的时间进行文件传输，但是在云计算的时代，其实有非常多的工具和方法可以使用，让你大幅度降低时间和成本，今天我们就以250GB数据库文件上传到Linux虚拟机为例，来看看怎么利用这些工具。
　　基本流程：

• 在本地安装或者使用一个Windows机器，内核数目和内存可能的话最好大一些，因为azcopy会根据内核数计算并发线程数
  
• 安装azcopy
  
• 在Azure上创建storage account，容器container
  
• 利用azcopy上传本地文件到Blob storage
  
• 在Linux虚拟机利用Azure CLI下载云端文件到本地Linux虚拟机
  
• 
  如果Azure上是Windows虚拟机，使用azcopy下载
  

　　限制和优化建议：

• 
  单个block blob的文件不能超过195GB，所以如果你的本地单个文件超过这个大小，你可以选择：
  
  
  • 分割文件成小份
    
  • 利用压缩软件压缩文件到较小大小
    
  
  
• 如果你本地的机器比较强大，并且单个文件的确比较大，建议你本地压缩，可以节约总体时间，你开始压缩的时候，大致可以知道这个压缩需要多长时间，
  
• 你的虚拟机和你的存储帐号入伍特别需要，请放在一个区域，比如都在北京或者上海，一边最大限度的降低延迟，提升速度
  
• Azcopy会最大限度的利用你的数据中心的带宽，如果你希望降低带宽占用，可以限制azcopy的并发处理数目，利用/NC来做限制，默认情况下，如果你是操作blob storage，azcopy的并发线程数是你处理器数目的8倍；对于Table的操作，默认的并发线程数是你的处理器数目。
  
• 上传下载速度和你的磁盘速度，网络带宽等都有关系，如果需要处理大规模文件，可以考虑临时调整你的数据中心带宽大小
  

　　在本示例中，基本环境如下：

• 备份文件未压缩前210GB，压缩后60GB
  
• 用户数据中心服务器，Windows Server 2012，16 cores，32GB
  
• Azure Linux虚拟机：A4， SUSE 11 SP3
  

　　基本配置步骤如下：

• 
  在用户数据中心Windows Server上下载并安装azcopy，请安装最新版本：　　http://aka.ms/downloadazcopy
  
• 在Azure上创建一个存储账号，并取得存储账号的主访问密钥：
  

• 
  在该存储账号下创建一个容器，名字为upload，你可以按照自己的需要命名：
  
  
  
  
  
  
• 
  利用Azcopy，上传你本地的文件到Blob storage，注意要用到上个步骤创建到的存储账号和账号的key，假定当前的上传文件名为FULL0606.zip,放在你的E盘：　　Azcopy.exe /Source:E:\  /Dest: https://myhousestorage.blob.core.chinacloudapi.cn/upload /DestKey:YOURSTORAGEKEY /Pattern:"FULL0606.zip"
  

　　参数说明：
　　/Souce:你的源文件地址，写目录，具体文件名写后面，如C:\data
　　/Dest：你的存储账号的容器地址，可以在你的容器页面看到
　　/DestKey：存储帐号的主访问密钥
　　更多关于azcopy的详细用法和命令，请参考：
　　https://azure.microsoft.com/en-us/documentation/articles/storage-use-azcopy/

• 传统方式下，用户会使用FTP的模式，经过调优，大概速度是3.5MB/s,而使用了azcopy，由于它有多线程，网络优化等底层功能的支持，速度可以达到近11MB/s，用户数据中心带宽100M,这个速度是相当不错的：
  

• 
  在将数据上传到Azure blob storage之后，需要在Linux虚拟机上将他下载到本地，在Windows上有Powershell，azcopy等工具，在Linux系统上，有Azure CLI作为跨平台的工具可以管理Azure的各项服务，关于如何在Linux上安装配置Azure CLI，请参考：　　http://cloudapps.blog.51cto.com/3136598/1842181
  
• 在Linux虚拟机上，直接使用Azure的CLI命令下载上传到Blob storage上的压缩文件即可，在同一个region，速度大约30MB，但实际速度依赖于网络状况和当前负载：
  

　　# azure storage blob download upload FULL0606.zip  ./

　　如果需要把Linux虚拟机上的大文件下载到本地，可以考虑逆序使用上述方法，azcopy经过了网络优化，压缩优化和算法优化，是Azure上数据处理的神器：）
　　在之前客户的方案中，文件上传到Linux虚拟机大约需要17个小时，经过选择合适的方法，数据上传，下载大约总共2个小时的时间，所以根据不同的场景选择不同的工具和方法很重要。