分布式系统第一章

1.2分布式存储系统分类
分布式存储的数据类型
- 非结构化数据：包括所有办公文档、图片、音频、视频等。
- 结构化数据：一般存储于关系数据库中，二维关系表结构来表示。其模式（Schema，包括属性、数据类型以及数据之间的联系）和内容是分开的，模式需要预先定义。
- 半结构化数据：如HTML。其模式和内容是混在一起的。不需要预先定义数据的模式结构。

不同的分布式存储系统适用于存储不同数据类型，分成以下四种：

• 分布式文件系统
• 分布式键值系统
• 分布式表格系统
• 分布式数据库
  1.分布式文件系统
  可存储Blob数据（二进制大对象）、定长块以及大文件。也可作为 分布式表格系统及分布式数据库的底层存储。
  在系统市县层面，分布式文件系统内部按照数据库（chunk）来组织数据，每个chunk可以包含多个数据（blob，定长块），一个大文件可以分拆到多个chunk中。分布式文件系统将这些数据块分散到存储集群，处理数据复制、一致性、负载均衡、容错等分布式系统难题，并将用户对这些数据的操作映射为对chunk的操作。
  2.分布式键值系统
  用于存储关系简单的半结构化数据，只提供CRUD操作一条键值对。从数据结构角度看，分布式键值系统与传统的哈希表比较类似，不同的是，分布式键值系统支持将数据分不到集群中的多个存储节点。它是分布式表格系统的一种简化实现，一般用作缓存，比如Memcache。一致性哈希是分布式键值系统中常用的数据分布技术。
  3.分布式表格系统
  分布式表格系统用于存储关系较复杂的半结构化数据。分布式表格系统以表格为单位组织数据，每个表格包含多行，通过主键标识一行，支持主键的CRUD和范围查找功能。
  分布式表格系统可以支持事务，单行事务或者某个实体组（Entity Group，一个用户下的所有数据旺旺构成一个实体组）下的多行事务，如Google Bigtable，Amazon DynamoDB等。与分布式数据库想必，分布式表格系统主要支持对单张表格的操作，不支持复杂操作，如多表关联，嵌套子查询；同一个表格多行数据也不要求包含相同类型的列，适合半结构化数据。
  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。典型系统包括MySQL数据库分片集群（MySQL Sharding）。