（一）关键问题
数据分布
对于存储系统，最重要的问题就是数据分布，即什么样的数据放置在什么样的节点上。数据分布时需要考虑数据是否均衡、以后是否容易扩容等一系列问题。不同的数据分布方式也存在不同的优缺点，需要根据自身数据特点进行选择。
1）哈希分布 => 随机读取
取模直接哈希：将不同哈希值的数据分布到不同的服务器上
关键：找出一个散列特性很好的哈希函数
问题：增加、减少服务器时的大量数据迁移
解决：1）将<哈希值,服务器>元数据存储在元数据服务器中；2）一致性哈希
一致性哈希： 给系统每个节点分配一个随机token，这些token构成一个hash环。执行数据存放操作时，先计算key的hash值，然后存放到顺时针方向第一个大于或者等于该hash值的token所在节点。
关键：哈希值变成了一个范围，每个物理节点上存储的数据是哈希值处于前一段范围的数据。
优点： 节点增加/删除时只会影响到在hash环中相邻的节点，而对其他节点没影响。
维护每台机器在哈希环中的位置方式：1） 记录它前一个&后一个节点的位置信息，每次查找可能遍历整个哈希环所有服务器；2） O（logN）位置信息，查找的时间复杂度为O（logN）；3） 每台服务器维护整个集群中所有服务器的位置信息，查找服务器的时间复杂度为O（1）
虚拟节点：将哈希取模的模数取得很大，就会得到更多的哈希值，这个哈希值成为逻辑节点，一个物理机器可以根据自己的能力选择若干个逻辑节点的存储节点。
优点：将传统哈希的一（物理节点）对一（哈希值）的分布变成了一（物理节点）对多（哈希值）的分布。可以根据物理节点的能力调整数据的分布。
2）顺序分布 => 顺序扫描
表格上的数据按照主键整体有序
负载均衡
1）数据写入时，写入节点的选择（空间容量？CPU负载？）
2）运行过程中，数据的迁移
如果运行过程中有新机器的加入，导致每个机器的存储数据量不同，需要能够自动发现，并自动进行调整。但是在调整的过程中也要控制好速度，以免对业务产生影响。
复制&多备份
1）最大保护模式
强同步复制：至少在一个备库上执行成功
至少成功存储2个备份，才返回成功。
2）最大性能模式
异步复制模式：主库执行成功即返回
只要成功存储1个备份，就返回成功。
3）最大可用性模式
两种模式折衷：正常情况是最大保护模式，出现故障时变成最大性能模式
数据一致性
版本号：在收到写入数据请求时，生成对应版本号。
删除老的版本号；读取时，保证读取到的是最新的版本号的数据；写入时，保证写入数据的版本号要新与存储的。
容错
1）故障检测
心跳：S每隔一段时间向C发送一个心跳包
租约机制：带有超时时间的授权
2）故障恢复
master：主备机制，持久化索引
datanode：永久故障，增加备份
可扩展性
1）总控节点是否成为瓶颈
不是瓶颈：舍弃小文件的处理，数据的读写控制权下放到工作机，通过客户端缓存元数据减少对总控节点的访问
内存成为瓶颈：采用两级结构，在总控机与工作机之间加一层元数据节点
2）同构系统
存储节点分为若干组，每个组内的节点服务完全相同的数据
3）异构系统
将数据划分为大小接近的分片，每个分片的多个副本分布到集群中的任何一个存储节点，某个节点发生故障，原有的服务将由整个集群而不是某几个固定的存储节点来恢复
原文发布时间为：2018-08-05
本文作者： HARRIES
本文来自云栖社区合作伙伴“ Java杂记”，了解相关信息可以关注“ Java杂记”
