大规模分布式存储系统-读书笔记0

概述

1. 概念

    大规模分布式存储系统的定义：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。

    分布式存储系统具有如下特性：可扩展；低成本；高性能；易用。

    分布式存储系统是基础，云存储和大数据是构建在分布式存储之上的应用。

    分布式存储涉及到的技术有：分布式系统以及数据库。

2. 分布式存储面对的数据

    分为三类：非结构化数据——所有格式的办公文档、文本、图片、图像、音频和视频信息等

                        结构化数据——一般存储在关系数据库中，可用二维关系表结构来表示

                        半结构化数据

3. 分布式存储系统分类

   分为四类： 分布式文件系统——存储非结构化数据对象，例如图片、视频等数据，这些数据一般以对象的形式组织，对象之间没有关联，一般称为Blob（二进制大对象）数据，

分布式文件系统存储三种类型的数据：Blob对象、定长块以及大文件。系统内部按照数据块（chunk）来组织数据。

                       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（Create/Read/Update/Delete）功能，即根据主键创建、读取、更新或者删除一条键值记录。它是分布式表格系统的一种简化实现，一般用作缓存。常用数据分布技术是一致性哈希。

                       分布式表格系统——存储关系较为复杂的半结构化数据，不仅支持CRUD操作，而且支持扫描某个主键范围。该系统以表格未单位组织数据，主要支持针对单张表格的操作，不支持多表连接以及嵌套子查询。在分布式表格系统中，同一个表格的多个数据也不要求包含相同类型的列，这类系统可以做到超大规模，而且支持较多的功能，但是实现往往比较复杂。

                       分布式数据库——存储结构化数据，采用二维表格组织数据，提供SQL关系查询语言，支持多表关联以及嵌套子查询，并提供数据库事务以及并发控制。典型的系统包括MySQL数据库分片（MySQL Sharding）集群，Amazon RDS以及Microsoft SQL Azure。

此外，非关系数据库也称NoSQL数据库，即“Not Only SQL”系统。