分布式存储系统概述

云计算、大数据，这些热点词汇，后台的基础设施离开不了分布式存储系统，它的两个特点，一是规模大，二是成本低。其实分布式系统的设计是根据需求来变化的，那么我们接下来就看，我们需要存储哪些数据，以及，分布式存储系统有哪些分类。

1. 分布式存储的数据

大致可以分为三类：

• 非结构化数据：文档、图片、视频等；
• 结构化数据：这个最容易理解，关系数据库中存的表（比如员工名称、信息等等），模式(schema，包括属性、数据类型、数据关系等)与内容是分开的；
• 半结构化数据：介于上述两者之间，比如HTML网页，schema和内容混杂在一起。

2. 分布式存储的分类

四种类别，我们逐一来说，最后举例。

（1）分布式文件系统

存储Binary Large Object(Blob)，定长块，以及大文件，如下图：

当然，分布式文件系统将这些数据块分散到存储集群，需要处理数据复制、一致性、负载均衡、容错等分布式系统难题，并将blob、定长块、大文件的操作映射为对底层数据块的操作。

Google File System（GFS）为分布式文件系统。

（2）分布式键值系统（key-value）

存储关系较简单的半结构化数据，只提供基于主键的CRUD操作（create，read，update，delete），我们可以想象为，经过key-value映射，数据被映射到不同的集群中。一般它使用一致性哈希算法，这个后面我们会介绍。

（3）分布式表格系统

存储关系较复杂的半结构化数据，与key-value系统相比，key-value系统可以看成表格系统的一种简化实现，key-value系统一般用作缓存。

分布式表格系统借鉴了很多关系数据库的功能，比如说事物。

Google Bigtable是分布式表格系统，它的底层为Google File System。

（4）分布式数据库

一般从单机关系数据库扩展而来，用于存储结构化数据，所以分布式数据库也支持SQL（structured query language）。

Google Spanner系统是一个支持多数据中心的分布式数据库。

下面说说关系数据库，因为我们常见的Oracle，Microsoft SQL Server，IBM DB2，MySQL都是商业的关系数据库软件，但是，传统的关系数据库在高并发性和可扩展性上面优化空间较大。

所以，为了解决关系数据库面临的高并发、可扩展性以及性能方面的问题，各种非关系型数据库风起云涌，统称为NoSQL（Not Only SQL）系统。

概述就那么多，可能看完这些并不能直观地区分开各种分布式存储，但是，以上只是给出大概得分类，当你去探究内部细节时，便豁然开朗了。