背景信息

OSS按照文件名UTF-8编码的顺序对用户数据进行自动分区，从而能够处理海量文件，以及承载高速率的客户请求。不过，如果您在上传大量文件时，在命名上使用了顺序前缀（如时间戳或字母顺序），可能会导致大量文件索引集中存储于某个特定分区。当您的请求速率超过2000次/秒时（下载、上传、删除、拷贝、获取元数据信息等操作算1次操作，批量删除N个文件、列举N个文件等操作算N次操作），会带来如下后果：

• 该分区成为热点分区，导致分区的I/O能力被耗尽，或被系统自动限制请求速率。
• 热点分区的存在会触发系统进行持续的分区数据再均衡，这个过程可能会延长请求处理时间。
  说明 分区数据再均衡是依赖于对当前系统状态、处理能力等信息做各种智能分析后进行的，并不是某个固定的拆分规则。所以分区数据再均衡后，使用了顺序前缀的文件可能还会处于高热点的分区当中。

以上情况会降低OSS的水平扩展效果，导致客户的请求速率受限。

要解决这个问题，就要消除文件名中的顺序前缀。您可以在文件名前缀中引入某种随机性，这样文件索引（以及I/O负载）就会均匀分布在多个分区。

解决方案

下面提供了两个将顺序前缀改为随机性前缀的方法。

• 向文件名添加十六进制哈希前缀

  如下所示，若您使用日期与客户ID生成文件名，则会包含顺序时间戳前缀：

  sample-bucket-01/2017-11-11/customer-1/file1
  sample-bucket-01/2017-11-11/customer-2/file2
  sample-bucket-01/2017-11-11/customer-3/file3
  ...
  sample-bucket-01/2017-11-12/customer-2/file4
  sample-bucket-01/2017-11-12/customer-5/file5
  sample-bucket-01/2017-11-12/customer-7/file6
  ...

  针对这种情况，您可以对客户ID计算哈希（即MD5），并取若干字符的哈希前缀作为文件名的前缀。假如取4个字符的哈希前缀，结果如下：

  sample-bucket-01/2c99/2017-11-11/customer-1/file1
  sample-bucket-01/7a01/2017-11-11/customer-2/file2
  sample-bucket-01/1dbd/2017-11-11/customer-3/file3
  ...
  sample-bucket-01/7a01/2017-11-12/customer-2/file4
  sample-bucket-01/b1fc/2017-11-12/customer-5/file5
  sample-bucket-01/2bb7/2017-11-12/customer-7/file6
  ...

  加入4个字符组成的十六进制哈希作为前缀，则每个字符有0~9以及a~f共16种取值，4个字符共有16 ⁴ =65536种可能的字符组合。那么在存储系统中，这些数据理论上会被持续划分至最多65536个分区，以每个分区操作2000次/秒的性能瓶颈标准，再结合您业务的请求速率，可以评估hash桶的个数是否合适。

  如果您想要列出文件名中带有特定日期的文件，例如列出sample-bucket-01里带有2017-11-11的文件，您只要对sample-bucket-01进行列举（即通过多次调用ListObject接口，分批次地获得sample-bucket-01下的所有文件），然后合并带有该日期的文件即可。

• 反转文件名

  如下所示，若您使用了毫秒精度的Unix时间戳生成文件名，同样属于顺序前缀：

  sample-bucket-02/1513160001245.log
  sample-bucket-02/1513160001722.log
  sample-bucket-02/1513160001836.log
  sample-bucket-02/1513160001956.log
  ...
  sample-bucket-02/1513160002153.log
  sample-bucket-02/1513160002556.log
  sample-bucket-02/1513160002859.log
  ...

  这种情况可以考虑通过反转时间戳前缀来避免文件名包含顺序前缀，反转后结果如下：

  sample-bucket-02/5421000613151.log
  sample-bucket-02/2271000613151.log
  sample-bucket-02/6381000613151.log
  sample-bucket-02/6591000613151.log
  ...
  sample-bucket-02/3512000613151.log
  sample-bucket-02/6552000613151.log
  sample-bucket-02/9582000613151.log
  ...

  由于文件名中的前3位数字代表毫秒时间，会有1000种取值。而第4位数字，每1秒钟就会改变一次。同理第5位数字每10秒钟就会改变一次。以此类推，反转文件名后，极大地增强了前缀的随机性，从而将负载压力均匀地分摊在各个分区上，避免出现性能瓶颈。