1.2 各主流分布式方案对比
分布式存储系统种类繁多，通常按照使用场景，可将分布式存储系统划分为分布式块存储、分布式文件存储以及分布式对象存储 3 类，如图 1-6 所示。
图 1-6 分布式存储系统分类
块存储将裸磁盘空间直接映射给主机使用，主机层面操作系统识别出磁盘后，可对磁盘进行分区、格式化文件系统或者直接进行裸设备读写。块存储使用线性地址空间，不关心数据的组织方式以及结构，读写速度更快，但共享性较差。
文件存储将文件系统直接挂载给主机使用，主机层面操作系统可对挂载后的文件系统直接进行读写，读写操作遵循 POSIX（Portable Operating System Interface of UNIX）语义，类似操作本地文件系统。文件存储使用树状结构以及路径访问方式，更方便理解、记忆，更适合结构化数据的存取，共享性更好，但读写性能较差。
对象存储介于块存储与文件存储之间，以 restful api 或者客户端 sdk 的形式供用户使用，更适合非结构化数据的存取。对象存储使用统一的底层存储系统，管理文件以及底层介质的组织结构，然后为每个文件分配一个唯一的标识，用户需要访问某个文件，直接提供文件的标识即可。
除以上 3 种分布式存储方案的划分外，分布式存储系统还可分为分布式数据库系统和分布式缓存系统等。
从架构角度切入，无论是分布式块存储系统、分布式对象存储系统、分布式文件存储系统，抑或是分布式数据库系统、分布式缓存系统，其架构无外乎以下两种。
◆ 有中心架构
有中心架构下，分布式存储集群实现统一的元数据服务，元数据统一存储并管理，客户端发起对数据的读写前，先向元数据服务器发起读写请求。
◆ 无中心架构
无中心架构下，分布式存储系统没有单独的元数据服务，元数据与数据一样，切片打散后存储在多台存储服务器上，客户端通过特定算法进行计算，确定元数据及数据的存储位置，并直接向存储节点相关进程发起数据的读写访问请求。依照使用的算法类型，无中心架构又可细分为私有算法模式以及一致性散列（Hash）模式。下文以 HDFS、Ceph、Swift 为例，对 3 种方案做简要对比。
1.2.1 有中心架构
HDFS（Hadoop Distribution File System）是有中心分布式存储系统的典型代表。在这种架构中，一部分节点 Name Node 用于存放管理数据（元数据文件），另一部分节点Data Node 用于存放业务数据（数据文件），其系统架构如图 1-7 所示。
在图 1-7 中，如果客户端需要从某个文件读取数据，首先从 Name Node 获取该文件的位置信息（具体在哪个 Data Node），然后从该 Data Node 上获取具体的数据。在该架构中Name Node通常是主备部署，而Data Node则是由大量服务器节点构成一个存储集群。由于元数据的访问频度和访问量相对数据都要小很多（参见后文 HDFS 使用场景），因此Name Node 通常不会成为性能瓶颈；Data Node 在集群中通常将数据以副本形式存放，该策略下既可以保证数据的高可用性，又可以分散客户端的请求。因此，这种分布式存储架构可以横向扩展 Data Node 的数量来增加存储系统的承载能力，也即实现系统的动态横向扩展。
HDFS 目前主要用于大数据的存储场景，HDFS 也是 Hadoop 大数据架构中的存储组件。HDFS 在开始设计的时候，就已经明确了它的应用场景（即大数据服务），具体如下：
图 1-7 HDFS 系统架构
（1）对大文件存储的性能要求比较高的业务场景
HDFS 采用集中式元数据的方式进行文件管理，元数据保存在 Name Node 的内存中，文件数量的增加会占用大量的 Name Node 内存。即当 HDFS 存储海量小文件时，元数据会占用大量内存空间，引起整个分布式存储系统性能的下降。由于此限制，HDFS 更适合应用在存储大文件的使用场景，文件大小以百 MB 级别或者 GB 级别为宜。
（2）读多写少的业务场景
HDFS 的数据传输吞吐量比较高，但是数据写入时延比较差，因此，HDFS 不适合频繁的数据写入场景，但就大数据分析业务而言，其处理模式通常为一次写入、多次读取，然后进行数据分析工作，HDFS 可以胜任该场景。
