常见的分布式文件存储系统解析

一、概述

一般普通存储方案有：Rsync、DAS（IDE/SATA/SAS/SCSI等块）、NAS（NFS、CIFS、SAMBA等文件系统）、SAN（FibreChannel， iSCSI， FoE存储网络块），Openfiler、FreeNas（ZFS快照复制）。由于生产环境中往往对存储数据量很大，而SAN存储价格又比较昂贵，因此大多会选择分布式存储来解决以下问题：

海量数据存储问题数据高可用问题（冗余备份）问题较高的读写性能和负载均衡问题支持多平台多语言问题高并发问题

存储方案区别

常用的分布式文件系统

常见的分布式文件系统有FastDFS，GFS、HDFS、Ceph 、GridFS 、mogileFS、TFS等。各自适用于不同的领域。它们都不是系统级的分布式文件系统，而是应用级的分布式文件存储服务。

1、FastDFS介绍

前面已经单独一篇介绍过这块了，所以这里就不做介绍了。

2、GFS（Google File System）

Google公司为了满足本公司需求而开发的基于Linux的专有分布式文件系统。。尽管Google公布了该系统的一些技术细节，但Google并没有将该系统的软件部分作为开源软件发布。

GFS 架构

3、HDFS（Hadoop Distributed File System）

Hadoop 实现了一个分布式文件系统，主要用于大数据计算存储，简称HDFS。 Hadoop是Apache Lucene创始人Doug Cutting开发的使用广泛的文本搜索库。它起源于Apache Nutch，后者是一个开源的网络搜索引擎，本身也是Luene项目的一部分。

Aapche Hadoop架构是MapReduce算法的一种开源应用，是Google开创其帝国的重要基石。

4、Ceph

是加州大学圣克鲁兹分校的Sage weil攻读博士时开发的分布式文件系统。Ceph能够在维护 POSIX 兼容性的同时加入了复制和容错功能。Sage weil并使用Ceph完成了他的论文。说 ceph 性能最高，C++编写的代码，支持Fuse，并且没有单点故障依赖。

由于 ceph 使用 btrfs 文件系统， 而btrfs 文件系统需要 Linux 2.6.34 以上的内核才支持。

5、GridFS文件系统

MongoDB是一种知名的NoSql数据库，GridFS是MongoDB的一个内置功能，它提供一组文件操作的API以利用MongoDB存储文件，GridFS的基本原理是将文件保存在两个Collection中，一个保存文件索引，一个保存文件内容，文件内容按一定大小分成若干块，每一块存在一个Document中，这种方法不仅提供了文件存储，还提供了对文件相关的一些附加属性（比如MD5值，文件名等等）的存储。文件在GridFS中会按4MB为单位进行分块存储。

6、MogileFS

由memcahed的开发公司danga一款perl开发的产品，目前国内使用mogielFS的有图片托管网站yupoo等。

MogileFS是一套高效的文件自动备份组件，由Six Apart开发，广泛应用在包括LiveJournal等web2.0站点上。

MogileFS由3个部分组成：

第1个部分是server端，包括mogilefsd和mogstored两个程序。前者即是 mogilefsd的tracker，它将一些全局信息保存在数据库里，例如站点domain，class，host等。后者即是存储节点（store node），它其实是个HTTP Daemon，默认侦听在7500端口，接受客户端的文件备份请求。在安装完后，要运行mogadm工具将所有的store node注册到mogilefsd的数据库里，mogilefsd会对这些节点进行管理和监控。

第2个部分是utils（工具集），主要是MogileFS的一些管理工具，例如mogadm等。

第3个部分是客户端API，目前只有Perl API（MogileFS.pm）、PHP，用这个模块可以编写客户端程序，实现文件的备份管理功能。

7、TFS

TFS（Taobao ！FileSystem）是一个高可扩展、高可用、高性能、面向互联网服务的分布式文件系统，主要针对海量的非结构化数据，它构筑在普通的Linux机器 集群上，可为外部提供高可靠和高并发的存储访问。TFS为淘宝提供海量小文件存储，通常文件大小不超过1M，满足了淘宝对小文件存储的需求，被广泛地应用 在淘宝各项应用中。它采用了HA架构和平滑扩容，保证了整个文件系统的可用性和扩展性。同时扁平化的数据组织结构，可将文件名映射到文件的物理地址，简化 了文件的访问流程，一定程度上为TFS提供了良好的读写性能。
责任编辑人：CC