上一期的文章我們講述了《什麼是分布式存儲》，接下來這期我們來學習下分布式文件系統。
公司的技術大拿正在給新員工做技術培訓："大家都用過電腦，相信都知道什麼是文件系統。"
"什麼是文件系統？" 新員工蛋蛋不合時宜的插嘴道。
小夥伴們被蛋蛋的勇氣驚呆了。
▉ 什麼是文件系統？
技術大拿眉頭皺了皺，忍住快要爆發的情緒。解釋到：
"數據是以二進位的方式存儲在介質中的，但是我們並不能直接理解這些高低電平的數據代表什麼意思，而文件系統就是告訴我們這些二進位的數據要表達的意思。"
看著依然緊皺眉頭的蛋蛋並不像搗亂的樣子，技術大拿打開了自己的電腦。
這些文件大家都見過吧，這些文件是怎麼出現的？這就靠文件系統來實現的。文件系統將二進位的數據按照人類可理解的架構來解析出來，我們可以通過這個系統來管理、刪除和複製這些文件，從而來控制存儲裡面的數據。
那麼文件系統是什麼價值？蛋蛋繼續追問到。
▉ 文件系統的價值是什麼？
文件系統是管理磁碟的軟體系統，能夠簡化用戶對磁碟空間的使用，降低使用難度，讓用戶可以更加形象的方式將磁碟中的數據供給我們使用。
打個比方，存儲的磁碟就相當於我們的倉庫。如下圖所示，這是一個很大的空倉庫，這就相當於一個沒有格式化的磁碟，空間很大，讓我們來存儲數據使用。
雖然我們可以直接將數據存儲到磁碟的空間，但是由於缺少規劃，我們數據可能就會毫無規律的存放在磁碟上。不但放的數據比較少，而且當我們想查找的時候也會非常費勁，甚至找不到需要的數據。
因此，文件系統出現了。一方面將數據進行統一管理，另一方面讓我們用戶能夠更好的查到數據。
就好比我們倉庫中的貨架，我們可以將貨物進行統一的規劃和管理，這樣我們就能按照編號快速的找到我們需要的數據，不僅存放的數據多，而且查找起來也更方便。
文件系統就相當於管理貨物的貨架和人的集合，讓我們不再為存儲數據擔心，方便我們管理和查找數據。
看著眉頭舒展開的蛋蛋，技術大拿知道可以接下往下進行了。
▉ 本地文件系統和網絡文件系統
文件系統早期是本地作業系統管理存儲設備的一種方式，早期的管理需求大多基於本地的文件管理，比如Ext4 、XFS、FAT32和Btrfs等文件系統，這些文件系統之後能提供本地磁碟格式化並使用。
但是隨著傳輸技術的發展，人們開始有了新的需求，不止限於本地文件的傳輸I/O技術，人們也開始對遠程數據傳輸有了需求，人們希望通過TCP/IP方式獲取數據，就相當於增加了一種可以遠距離傳輸的I/O技術，例如我們的文件共享需求。
目前主流的接入協議有NFS協議為代表的Linux陣營和以CIFS/SMB協議為代表的Windows產品陣營。不過隨著技術的發展，基本上可以通用了。
支持遠程訪問的文件系統解決了資源共享的問題，但是這些文件系統雖然能夠支持多個客戶端訪問，但是畢竟是單機，處理能力有限，因大規模的數據訪問領域，例如電商網站，大數據處理，採用NFS這種訪問方式就無法滿足需求。
於是，為了可以讓多臺機器上的多用戶通過網絡分享文件和存儲空間，於是就出現了分布式文件系統，該文件系統的服務端通過一個集群來實現，客戶端可以並發的訪問該集群的多達數萬個節點，因此承載能力得到極大的提升。
對應上面的倉庫比喻，我們可以簡單理解為：在倉庫的初期，管理更多的是基於本地的需求，這個時候採用的文件系統是Ext4、XFS、FAT32和Btrfs等，這些系統只支持本地訪問。
但是隨著傳輸技術的發展，人們希望通過網絡來訪問這個存儲倉庫，於是NFS、CIFS/SMB開始出現。但是這些文件系統在的支持遠程訪問的個數有限，於是就出現了分布式文件存儲。
本地文件系統、網絡文件系統和分布式分揀系統這幾種文件系統沒有本質的差別。只是網絡連接的可靠性複雜性等因素，相對於本地總線而言，分布式文件系統接入的存儲設備，需要應用層做更多複雜的策略來配合達到相同的效果。
▉ 主流分布式文件系統
隨著數位化轉型的深入，海量數據對存儲系統提出了新的要求，市場上出現了多種分布式存文件系統。如HDFS、Ceph、GFS、GPFS、Swift等。在實際工作中，為了更好地引入分布式文件系統，我們需了解各種文件系統的特點，以及各種技術的適用場景，下面分別介紹：
中間控制節點架構（HDFS）
HDFS是一個高度容錯性的系統，適合部署在廉價的機器上。HDFS能提供高吞吐量的數據訪問，非常適合大規模數據集上的應用。HDFS放寬了一部分POSIX約束，來實現流式讀取文件系統數據的目的。
HDFS是Hadoop大數據架構中的存儲組件。在開始設計的時候，HDFS就已經明確的它的應用場景，就是為大數據服務。主要的應用場景有：
1、對大文件存儲的性能比較高，例如幾百兆，幾個G的大文件；
2、適合低寫入，多次讀取的業務；
3、HDFS採用多副本數據保護機制，使用普通的X86伺服器就可以保障數據的可靠性，不推薦在虛擬化環境中使用；
圖 HDFS簡化架構圖示意圖
完全無中心架構---計算模式（Ceph）
Ceph是一個開源的存儲項目，是目前應用最廣泛的開源分布式存儲系統，已得到眾多廠商的支持，許多超融合系統的分布式存儲都是基於Ceph深度定製。而且Ceph已經成為Linux系統和OpenStack的"標配"，用於支持各自的存儲系統。
圖 Ceph簡化架構圖示意圖
Ceph可以提供對象存儲、塊設備存儲和文件系統存儲服務。同時支持三種不同類型的存儲服務的特性，在分布式存儲系統中，是很少見的。
Ceph沒有採用HDFS的元數據尋址的方案，而且採用CRUSH算法，數據分布均衡，並行度高。而且在支持塊存儲特性上，數據可以具有強一致性，可以獲得傳統集中式存儲的使用體驗。
但是目前Ceph支持文件的性能相比其他分布式存儲系統，部署稍顯複雜，性能也稍弱，一般都將Ceph應用於塊和對象存儲。
Ceph是去中心化的分布式解決方案，需要提前做好規劃設計，對技術團隊的能力要求比較高。
完全無中心架構---一致性哈希（Swift）
Swift最初是由 Rackspace 公司開發的高可用分布式對象存儲服務，並於 2010 年貢獻給 OpenStack 開源社區作為其最初的核心子項目之一，為其 Nova 子項目提供虛機鏡像存儲服務。
Swift 構築在比較便宜的標準硬體存儲基礎設施之上，無需採用 RAID(磁碟冗餘陣列)，通過在軟體層面引入一致性散列技術和數據冗餘性，犧牲一定程度的數據一致性來達到高可用性和可伸縮性，支持多租戶模式、容器和對象讀寫操作，適合解決網際網路的應用場景下非結構化數據存儲問題。
圖 Swift簡化架構圖示意圖
Swift和Ceph提供的對象存儲服務類似。Swift主要用於解決非結構化數據存儲問。它和Ceph的對象存儲服務的主要區別是：
1、客戶端在訪問對象存儲系統服務時，Swift要求客戶端必須訪問Swift網關才能獲得數據。而Ceph使用一個運行在每個存儲節點上的OSD（對象存儲設備）獲取數據信息，沒有一個單獨的入口點，比Swift更靈活一些；
2、在數據一致性方面，Swift的數據是最終一致，在海量數據的處理效率上要高一些，但是主要面向對數據一致性要求不高，但是對數據處理效率要求比較高的對象存儲業務。而Ceph是始終跨集群強一致性。主要的應用場景，在在OpenStack中，對象存儲服務使用的就是Swift，而不是Ceph；
除了上述HDFS、CEPH和Swift等分布式文件系統外，還有GlusterFS、CephFS等很多分布式文件系統，不同的文件系統解決的問題是不同的，因此應用場景也是有很大差異的。因此，大家在工作中如果選型時，也需要考慮這些差異。每種分布式文件系統的細節又有所差異，這個也是與它們所要解決的具體問題相關的。
▉ 未完待續……
雖然分布式文件系統可以處理高並發訪問的問題，但對於同一個文件同時寫會存在數據不一致的問題。
為了解決同一個文件被不同客戶端的應用並發寫的問題，這個時候就出現了集群文件系統。
接下來的文章我們將繼續介紹《分布式和集群的區別》
——END——
文章內容部分來源於網絡，侵刪！