【分布式系统】概述

相关书籍：《大规模分布式存储系统：原理解析与架构实战》

1. 分布式存储概念

分布式存储系统是大量普通PC服务器通过Internet互联，对外作为一个整体提供存储服务。
特性：可拓展、低成本、高性能、易用。
挑战：数据、状态信息持久化；数据一致性。
涉及到的技术：数据分布、一致性、容错、负载均衡、事务与并发控制、易用性、压缩/解压缩。

2. 分布式存储分类

数据类型：非结构化数据、结构化数据、半结构化数据。
系统类型：分布式文件系统、分布式键值（Key-Value）系统、分布式表格系统、分布式数据库。

2.1 分布式文件系统

存储数据种类：Blob对象（对象之间无关联，如图片、照片、视频）、定长块、大文件。
常用作分布式表格系统和分布式数据库的底层存储。
系统内部按照数据块（chunk）来组织数据，每个数据块的大小大致相同，每个数据块可以包含多个Blob对象或者定长块，一个大文件也可以拆分为多个数据块。

2.2 分布式键值系统

存储关系简单的半结构化数据，只提供基于主键的CRUD。
分布式键值系统是分布式表格系统的简化实现，一般用作缓存。
常用数据分布技术：一致性哈希（一致性哈希原理）

2.3 分布式表格系统

存储关系较为复杂的半结构化数据。
以表格为单位组织数据，通过逐渐标识一行，支持根据主键的CRUD功能以及范围查找功能。
支持单行事务、某个实体组（Entity Group）下的多行事务。
和分布式数据库相比，分布式表格系统主要支持针对单张表格的操作，不支持复杂操作如多表关联、多表联接、嵌套子查询；同一个表格的多行数据不要求包含相同类型的列，适合半结构化数据。

2.4 分布式数据库

存储结构化数据。
采用二维表组织数据，提供SQL查询语言，支持多表关联、嵌套子查询，数据库事务及并发控制。
可扩展性的挑战：二维关系模型很难高效地扩展到多个存储节点；对于要求高并发的应用在性能上优化空间较大。