存储集群系统

❶ 存储虚拟化是什么集群存储又是什么

存储虚拟化广义上来说，就是通过映射或抽象的方式屏蔽物理设备复杂性,增加一个管理层面，激活一种资源并使之更易于透明控制。
存储虚拟化(Storage Virtualization)最通俗的理解就是对存储硬件资源进行抽象化表现。通过将一个（或多个）目标（Target）服务或功能与其它附加的功能集成，统一提供有用的全面功能服务。

集群存储是指：由若干个“通用存储设备”组成的用于存储的集群，组成集群存储的每个存储系统的性能和容量均可通过“集群”的方式得以叠加和扩展。

❷ 分布式文件存储系统通过什么方式提高可用性和安全性

分布式存储的六大优点

1. 高性能

一个具有高性能的分布式存户通常能够高效地管理读缓存和写缓存，并且支持自动的分级存储。分布式存储通过将热点区域内数据映射到高速存储中，来提高系统响应速度;一旦这些区域不再是热点，那么存储系统会将它们移出高速存储。而写缓存技术则可使配合高速存储来明显改变整体存储的性能，按照一定的策略，先将数据写入高速存储，再在适当的时间进行同步落盘。

2. 支持分级存储

由于通过网络进行松耦合链接，分布式存储允许高速存储和低速存储分开部署，或者任意比例混布。在不可预测的业务环境或者敏捷应用情况下，分层存储的优势可以发挥到最佳。解决了目前缓存分层存储最大的问题是当性能池读不命中后，从冷池提取数据的粒度太大，导致延迟高，从而给造成整体的性能的抖动的问题。

3. 多副本的一致性

与传统的存储架构使用RAID模式来保证数据的可靠性不同，分布式存储采用了多副本备份机制。在存储数据之前，分布式存储对数据进行了分片，分片后的数据按照一定的规则保存在集群节点上。为了保证多个数据副本之间的一致性，分布式存储通常采用的是一个副本写入，多个副本读取的强一致性技术，使用镜像、条带、分布式校验等方式满足租户对于可靠性不同的需求。在读取数据失败的时候，系统可以通过从其他副本读取数据，重新写入该副本进行恢复，从而保证副本的总数固定;当数据长时间处于不一致状态时，系统会自动数据重建恢复，同时租户可设定数据恢复的带宽规则，最小化对业务的影响。

4. 容灾与备份

在分布式存储的容灾中，一个重要的手段就是多时间点快照技术，使得用户生产系统能够实现一定时间间隔下的各版本数据的保存。特别值得一提的是，多时间点快照技术支持同时提取多个时间点样本同时恢复，这对于很多逻辑错误的灾难定位十分有用，如果用户有多台服务器或虚拟机可以用作系统恢复，通过比照和分析，可以快速找到哪个时间点才是需要回复的时间点，降低了故障定位的难度，缩短了定位时间。这个功能还非常有利于进行故障重现，从而进行分析和研究，避免灾难在未来再次发生。多副本技术，数据条带化放置，多时间点快照和周期增量复制等技术为分布式存储的高可靠性提供了保障。

5. 弹性扩展

得益于合理的分布式架构，分布式存储可预估并且弹性扩展计算、存储容量和性能。分布式存储的水平扩展有以下几个特性：

1) 节点扩展后，旧数据会自动迁移到新节点，实现负载均衡，避免单点过热的情况出现;

2) 水平扩展只需要将新节点和原有集群连接到同一网络，整个过程不会对业务造成影响;

3) 当节点被添加到集群，集群系统的整体容量和性能也随之线性扩展，此后新节点的资源就会被管理平台接管，被用于分配或者回收。

6. 存储系统标准化

随着分布式存储的发展，存储行业的标准化进程也不断推进，分布式存储优先采用行业标准接口(SMI-S或OpenStack Cinder)进行存储接入。在平台层面，通过将异构存储资源进行抽象化，将传统的存储设备级的操作封装成面向存储资源的操作，从而简化异构存储基础架构的操作，以实现存储资源的集中管理，并能够自动执行创建、变更、回收等整个存储生命周期流程。基于异构存储整合的功能，用户可以实现跨不同品牌、介质地实现容灾，如用中低端阵列为高端阵列容灾，用不同磁盘阵列为闪存阵列容灾等等，从侧面降低了存储采购和管理成本。

❸ 当前主流分布式文件系统有哪些各有什么优缺点

目前几个主流的分布式文件系统除GPFS外，还有PVFS、Lustre、PanFS、GoogleFS等。
1.PVFS(Parallel
Virtual
File
System)项目是Clemson大学为了运行Linux集群而创建的一个开源项目,目前PVFS还存在以下不足：
1）单一管理节点:只有一个管理节点来管理元数据，当集群系统达到一定的规模之后，管理节点将可能出现过度繁忙的情况，这时管理节点将成为系统瓶颈;
2）对数据的存储缺乏容错机制:当某一I/O节点无法工作时，数据将出现不可用的情况;
3）静态配置:对PVFS的配置只能在启动前进行，一旦系统运行则不可再更改原先的配置。
2.Lustre文件系统是一个基于对象存储的分布式文件系统，此项目于1999年在Carnegie
Mellon
University启动，Lustre也是一个开源项目。它只有两个元数据管理节点,同PVFS类似,当系统达到一定的规模之后，管理节点会成为Lustre系统中的瓶颈。
3.PanFS(Panasas
File
System)是Panasas公司用于管理自己的集群存储系统的分布式文件系统。
4.GoogleFS(Google
File
System)是Google公司为了满足公司内部的数据处理需要而设计的一套分布式文件系统。

❹ 分布式存储和传统存储比较在哪些应用场景比较有优势

1、分布式存储优势

分布式存储可以使生产系统在线运行的情况下进行纵向扩展（Scale-Up）或横向扩展（Scale-Out），且存储系统在扩展后可以达到容量与性能均线性扩展的效果。其具有以下特性：

高性能

分布式存储系统能够将所有存储节点的处理器资源、硬盘资源、网络资源进行整合，将任务切分给多台存储节点，进行并发数据处理，避免了单个硬盘或设备造成的瓶颈，提升整个集群的处理能力。分布式存储系统具有良好的性能扩展能力，可以满足应用程序对存储性能不断增长的要求。

高扩展性

分布式存储系统通过扩展集群存储节点规模从而提高系统存储容量、计算和性能的能力，通过增加和升级服务器硬件，或者指通过增加存储节点数量来提升服务能力。分布式存储系统支持在线增加存储节点，对前端业务透明，系统整体性能与存储节点数量呈线性关系。

高可用性

分布式存储系统同时基于硬件及软件设计了高可用机制，在面对多种异常时（如存储节点宕机、网络中断、硬盘故障、数据损坏等）仍可提供正常服务，提高分布式存储系统硬件的可用性可以通过增加存储节点数量或者采用多种硬件冗余机制保证。分布式存储系统多采用副本机制或纠删码机制保证数据的高可用性，副本机制可以提供较高的数据冗余度，但会降低存储系统有效空间的利用率，纠删码机制可以在保证一定数据冗余度的情况下，大幅提高存储系统的有效空间利用率。

高安全性

分布式存储系统支持可靠的权限控制及互信确认机制，同时采用私有的数据切片及数据编码机制，可以从多重角度保证集群系统不受恶意访问和攻击，保护存储数据不被窃取。

2、分布式存储应用场景

分布式的“四高”特性，使得其在高性能计算、大数据视频云及大数据分析等应用场景中有着广泛的应用。

高性能计算场景

在如气象气候、地质勘探、航空航天、工程计算、材料工程等领域，基于集群的高性能计算，已成为必需的辅助工具。集群系统有极强的伸缩性，可通过在集群中增加或删减节点的方式，在不影响原有应用与计算任务的情况下，随时增加和降低系统的处理能力。根据不同的计算模式与规模，构成集群系统的节点数可以从几个到成千上万个。这些业务对后端的存储系统提出了新的需求，包括统一的存储空间、高效率的文件检索、高带宽的吞吐性能，高可靠的数据安全保障等。

大数据视频云应用场景

随着视频高清技术及超高清技术的普及，视频大数据应用场景，如雪亮工程、平安城市、广电媒资、影视制作、视频网站等领域，对存储设备提出了大容量、高读写性能、高可靠性、低延时及可扩展性等需求。针对这样大规模视频数据应用场景，就需要一个技术先进、性能优越的存储系统作为后端数据存储的支撑者。

大数据分析应用场景

伴随着互联网技术及人工智能的发展，各种基于海量用户/数据/终端的大数据分析及人工智能业务模式不断涌现，同样需要充分考虑存储功能集成度、数据安全性、数据稳定性，系统可扩展性、性能及成本各方面因素。

在数据爆发增长的“数字时代”，软件定义的分布式存储是存储技术高速发展的结晶，并具有着很大的成长空间，必将应用于更广泛的大数据业务场景。

❺ OpenStack选用哪种后端存储系统比较好

和openstack融合度较好的就是ceph，国内大多数云环境都使用ceph作为openstack的唯一后端存储。国内使用ceph开发出分布式存储系统的厂商有深圳元核云、北京xsky等，性能都还不错的。

❻ 集群系统与团队协作

你有没有遇到过这些场景。

场景一

领导：小明，上周组会跟你说的那个A项目进展如何？

小明：啊？还没弄啊，我最近忙疯了正在忙着B呀。这周我抽时间看一下。

一周以后，没人还想得起A是什么东西。

场景二

同事：小明我上周跟你说的A项目做的怎么样了。

小明：我搞定了，发你邮箱了。

同事：我们不是说好了做成那样吗，你怎么这么做啊。

小明：我们之前说的就是这个呀，我还连续加了两天班呢。

同事：......

小明：......

这样的场景是否很熟悉。为什么会这样呢？是小明不靠谱？同事不靠谱？还是领导不靠谱？都不是，而是团队之间的协同出了问题。

最近公司的计算机群需要扩展计算资源。长话短说，我们有两类方案，一类是加机器，不改变构架价格相对便宜。第二类是改变构架，需要添加管理节点，计算节点，存储节点，再加一套全新的管理软件，让它们协同起来，为以后扩展做一些基础和准备。价格比较贵，但是构架有一定优势，对于后续新节点的扩充有更好的拓展性。对于第一类方案，虽然便宜，但是节点越来越多，节点之间通信开销会提高，集中和存储的IO压力也会增大，在某一个上限性能将不再提升，甚至下降。第二种方案优化了管理架构，加机器所带来的性能提升可能会持续的时间长一点，瓶颈来的晚一点。业内专家也认为，有些时候不是堆机器就可以解决问题的。

通常来说，一个分布式计算集群系统会存在几个重要角色角色，管理节点，计算节点，存储节点，网络通信。计算节点增多，管理节点会繁忙成为瓶颈。存储节点加多，网络通信IO有可能成为瓶颈。而集群内部的内部开销会逐渐消耗掉越来越多的资源。而增大一个角色的权重，就会使得另一个角色成为瓶颈。

不同事物背后的本质也许是完全统一的，团队不也是这样吗。自上而下的组织结构，领导说什么下面听话照做不思考，结果就是领导忙的像疯子，员工忙的像傻子。那放任不管呢，员工自由发展。结果就像集群的机器之间网络全部瘫痪，无法形成像样的战斗力，相互协同混乱不堪。然后管理者基本不知道下面员工在干什么，而员工也不知道大方向在哪里。另一个问题， 当事多人少的时候， 似乎想到的第一件事是招人。 招人很重要，也许是最重要的事， 但招人就像加计算节点会有一个副作用，增大了管理节点的压力。 管理5个人一下的团队， 管理者可以“兄弟们，跟我一起上， 炸掉前面那座碉堡”，人员少，人员间沟通高度统一，内部沟通产生的开销相对小。 而管理50人的团队， 也许就完全两回事。 内部开销会呈指数增长，最终多加了几个人，最终生产力却降低了。 如果加的人不靠谱，还可能造成所谓“污水效应” 劣币驱逐良币。 

回到最开始的小故事。 这个故事我觉得任何在职场待过几年的人可能都有体会。 基本上每天茶余饭后的吐槽估计也充斥这不少类似的内容， 估计结论都是小明不靠谱， 领导不靠谱， 同事不靠谱， 就是自己最靠谱。 就好比对于网络瘫痪的计算节点来说， 这个世界只有它自己一样。 但本质上不是谁更不靠谱，而是之间的通信协议出了问题。 最近笔者也一直在头疼类似的事情，怎么能让团队知行合一，充满战斗力，并且快速个人提高和成长。 不断摸索中，找到了一套内功心法， 一套刀法外加一把屠龙宝刀。 

PDCA循环也叫做戴明循环， 戴明是一位美国质量管理大师，后来帮助丰田获得了巨大成功。 核心理念如下：

P lan: 决定3W（ W ho do W hat by W hen）

会议的本质是用时间来换取共识和结论。 开会之前充分准备，并且确定会议的目的和需要确定哪些议题。最终会议结束后，确定 3W 。 确定下一步任务是什么。 谁来负责， 预计什么时候能完成。 对于项目级别的大目标进行SMART原则的任务拆分。 只有成为具体任务， 才能有可执行性。 这一步可以说是最重要的一步，开会没有结论，要么开到有结论为止，要么就不要开，否则就是浪费大家和公司的时间。 

D o： 执行

这必然是费时最多的一步。 目的在第一步确定的When之前把计划执行完毕。 

C heck：检查点，反馈。 

在截止时间前反馈进展， 是否成功。 如果失败为什么失败。 最差的反馈就是没有反馈。 无论换谁做老板， 面对这样的下属都会极度没有安全感。 “简单的来说就是，交代的事情就不能回个话吗？”

A ct： 总结，讨论，处理。 

根据Check的结果进行总结，讨论，解决，或者无法解决进入下一个PDCA循环。  

SMART原则， 我觉得是如何把一个抽象的项目变成一个个可执行的任务的基本功。 不知道你有没有遇到这种情况， 一个看似高大上的项目布置下来， 做着做着越来越迷茫，似乎千头万绪永远没有头绪，最终不了了之了。 团队成员没有明确的目标， 盲目尝试了很多东西，激情消耗完了， 杂事插进来，高大上的项目被搁置在一边，然后，就没有然后了。 

S.M.A.R.T （Specific Measurable Attainable Relevant Time-Based）是一套把项目拆分成具体任务的衡量方法，具体如下。 

S pecific: 具体的， 一刀砍掉模棱两可。  

M easurable: 可衡量的， 一刀砍掉标准不一。 

R elevant: 相关的， 一刀砍掉无关目标。 

A ttainable: 可实现的， 一刀砍掉不切实际。 避免，折腾半天发现理论上就是扯淡的情况。 曾经有人跟我说，用10多个样本分成四五组还要做机器学习，训练各种高大上的模型就是这种情况。 

T ime-Based：有时间期限， 一刀砍掉没完没了的拖延。 

在项目管理工具出现之前， 有一种基于白板的团队工作方法叫做scrum, 类似下面这个样子。 

在scrum项目站会的时候大家制定计划，明确分工，每人一种颜色。 把需要做的事情贴在TODO 泳道， 正在做的从TODO迁移到Doing， 结束的进一步迁移到Done。 这样整个团队都可以明确看到每个人的工作进度和整个项目进度。scrum方法其实还有更多的内涵，这里我理解的还比较肤浅，我就不再多说了。 

在当今互联网时代， 涉及到更多的人，在不同时间，地点进行协作。 使用一些工具更加简单有效。 teambition, trello, tower都是很好的工具可以尝试。 目前我们团队刚刚引进了trello， 打开团队看板， 有一种忽然第一次知道大家都在干什么的感觉。 trello的看板大体如下。 

通过这样的看板， 团队负责人可以明确知道每一个下属都在干什么，有哪些问题，有哪些成果。 项目需要的文件共享和沟通记录可以放在每一个卡片下面便于归档查询。 

1. 团队提高产出不只是招人那么简单， 就像扩充集群不能只是加节点。 

2. PDCA循环和SMART原则， 高效开会，把项目变成任务， 把任务分配给个人。 

3. 项目协同软件和scrum方法， 让团队的管理节点实现高可用。 

❼ 如何区分分布式/集群/并行文件系统

分布式文件系统、集群文件系统、并行文件系统，这三种概念很容易混淆，实际中大家也经常不加区分地使用。总是有人问起这三者的区别和联系，其实它们之间在概念上的确有交叉重叠的地方，但是也存在显着不同之处。 分布式文件系统 自然地，分布式是重点，它是相对与本地文件系统而言的。分布式文件系统通常指C/S架构或网络文件系统，用户数据没有直接连接到本地主机，而是存储在远程存储服务器上。NFS/CIFS是最为常见的分布式文件系统，这就是我们说的NAS系统。分布式文件系统中，存储服务器的节点数可能是1个(如传统NAS)，也可以有多个(如集群NAS)。对于单个节点的分布式文件系统来说，存在单点故障和性能瓶颈问题。除了NAS以外，典型的分布式文件系统还有AFS，以及下面将要介绍的集群文件系统(如Lustre, GlusterFS, PVFS2等)。 集群文件系统 集群主要分为高性能集群HPC(High Performance Cluster)、高可用集群HAC(High Availablity Cluster)和负载均衡集群LBC(Load Balancing Cluster)。集群文件系统是指协同多个节点提供高性能、高可用或负载均衡的文件系统，它是分布式文件系统的一个子集，消除了单点故障和性能瓶问题。对于客户端来说集群是透明的，它看到是一个单一的全局命名空间，用户文件访问请求被分散到所有集群上进行处理。此外，可扩展性(包括Scale-Up和Scale-Out)、可靠性、易管理等也是集群文件系统追求的目标。在元数据管理方面，可以采用专用的服务器，也可以采用服务器集群，或者采用完全对等分布的无专用元数据服务器架构。目前典型的集群文件系统有SONAS, ISILON, IBRIX, NetAPP-GX, Lustre, PVFS2, GlusterFS, Google File System, LoongStore, CZSS等。 并行文件系统 这种文件系统能够支持并行应用，比如MPI。在并行文件系统环境下，所有客户端可以在同一时间并发读写同一个文件。并发读，大部分文件系统都能够实现。并发写实现起来要复杂许多，既要保证数据一致性，又要最大限度提高并行性，因此在锁机制方面需要特别设计，如细粒度的字节锁。通常SAN共享文件系统都是并行文件系统，如GPFS、StorNext、GFS、BWFS，集群文件系统大多也是并行文件系统，如Lustre, Panasas等。如何区分？区分这三者的重点是分布式、集群、并行三个前缀关键字。简单来说，非本地直连的、通过网络连接的，这种为分布式文件系统；分布式文件系统中，服务器节点由多个组成的，这种为集群文件系统；支持并行应用(如MPI)的，这种为并行文件系统。在上面所举的例子中也可以看出，这三个概念之间具有重叠之处，比如Lustre，它既是分布式文件系统，也是集群和并行文件系统。但是，它们也有不同之处。集群文件系统是分布式文件系统，但反之则不成立，比如NAS、AFS。SAN文件系统是并行文件系统，但可能不是集群文件系统，如StorNext。GFS、HDFS之类，它们是集群文件系统，但可能不是并行文件系统。实际中，三者概念搞理清后，分析清楚文件系统的特征，应该还是容易正确地为其划分类别的。

❽ 什么是集群存储

云存储是在云计算(cloud computing)概念上延伸和发展出来的一个新的概念，是指通过集
群应用、网格技术或分布式文机房集中监控系统件系统等功能，将网络中大量各种不同类
型的存储设备通过应用软件集合起来协同工作，共同对外提供数据存储和业务访问功能的
一个系统。当云计算系统运算和处理的核心是大量数据的存储和管理时，云计算系统中就
需要配置大量的存储设备，那么云计算系统就转变成为一个云存储系统，所以云存储是一
个以数据存储和管理为核心的云计算系统。他们基于虚拟化技术和集群架构，具有强大的
横向扩展能力。云存储设备横向扩展的方式让存储系统具有了无限扩展的能力，它能够实
现控制器与硬盘的同时扩展，也就是性能与容量可以同时实现线性扩展。

集群存储是通过将数据分布到集群中各节点的存储方式，提供单一的使用接口与界面，使
用户可以方便地对所有数据进行统一使用与管理。集群中所有磁盘设备整合到单一的共享
存储池中提供给前端的应用服务器，极大提高了磁盘利用率，可以为非结构化数据提供具
备极高IO带宽和灵活可扩展性的存储解决方案。

❾ 集群NAS与集群文件系统的区别

Veritas的CFS,IBM的GPFS,这些属于集群文件系统,就类似于windows下面常用的FAT或者NTFS一样,是一种文件系统格式,只不过,集群文件系统可以让多个计算节点同时读写同一个文件系统的分区

集群NAS,是采用了集群文件系统,多个NAS头可以做性能和端口横向扩展,共同对网络上的主机提供网络文件存储服务的设备

❿ isilon 集群存储采用什么文件系统

集群文件系统的选择有很多种，但是要想把每种系统的优劣性能都弄清楚，是需要花费不少时间和精力的。我们在此为大家介绍一些常用的集群文件系统，让读者朋友对此有一个了解，在选择上有一个参考。 集群文件系统基础架构有些读者也许希望装配一组可以并行访问同一个文件系统的服务器，而另一些读者可能想复制存储器并提供并行访问和冗余。有两种方法可以实现多服务器访问同一个磁盘，一种方法是让那些服务器都可以看到那个磁盘，另一种方法则是通过复制。 共享磁盘结构在光纤通道SAN和iSCSI领域是最常见的结构。配置存储系统相当简单，这样多个服务器就可以看到同一个逻辑块设备或LUN，但是如果没有群集文件系统，那么当多个服务器同时想使用那个逻辑块设备时就会出现混乱。 这个问题与使用群集文件系统有关，我们将在下文中详细介绍。 一般而言，共享磁盘系统有个弱点，那就是存储系统。但是情况也并非总是如此，因为利用现在的技术是很难理解共享盘的概念的。 SAN、NAS设备和基于Linux系统的商品硬件可以将所有的基础磁盘实时复制到另一个存储节点，从而提供一个模拟共享盘环境。基础模块设备被复制之后，那些节点就可以访问相同的数据，也可以运行同一个群集文件系统了，但是这种复制超出了传统共享盘的定义。 相反，不共享才是共享盘的问题所在。连接着不同存储设备的节点会在每个模块被写入数据时将变化通知给主服务器。 现在，不共享架构仍存在于Hadoop那样的文件系统之中，那些文件系统可以在许多节点故意建立多个数据副本，从而提高性能和冗余。而且，在不同存储设备或节点之间利用自己的存储设备进行复制的群集也可以做到不共享。 集群文件系统设计选择正如我们所说的，你不能通过多个服务器访问同一个模块设备。你听说过文件系统锁定，因此普通的文件系统并不能实现这一点就有些奇怪了。 在文件系统级别上，文件系统本身会将文件锁定以保证数据不会出错。但是在操作系统级别上，文件系统启动程序完全可以访问基础模块设备，它们可以在基层模块设备之间自由的漫游。大部分文件系统都会认为它们被分配了一个模块设备，而且那个模块设备也只是它们自己所有。 为了解决这个问题，集群文件系统采用了一种并行控制机制。有些集群文件系统将把元数据保存在共享设备的一个分区里，另一些集群文件系统则会使用集中式元数据服务器来保存元数据。 不管采用哪种方案，集群中的所有节点都可以看到文件系统的状态，从而保证安全的并行访问。然而，如果你想保证系统的高利用率和消除单点故障问题，那么采用集中式元数据服务器的解决方案就要略逊一筹了。 另一个注意事项：集群文件系统要求在节点发生故障时迅速做出反应。如果某个节点写入错误数据或由于某种原因停止关于元数据变化的通信，其他节点必须能够将它隔离出去。隔离可以通过多种方式来实现，最常用的方法是利用断电管理来实现。健康的节点可以在发现问题时第一时间关闭另一个节点电源（STONITH）以保全数据。集群文件系统词典GFS：全局文件系统 GFS是应用最广泛的集群文件系统。它是由红帽公司开发出来的，允许所有集群节点并行访问。元数据通常会保存在共享存储设备或复制存储设备的一个分区里。 OCFS:甲骨文集群文件系统 从概念上来说，OCFS与GFS非常相似，现在OCFS 2已经被应用于Linux系统之中。 VMFS:VMware的虚拟计算机文件系统 VMFS是ESX服务器用来允许多个服务器访问同一个共享存储设备的集群文件系统。这样就可以实现虚拟机在不同服务器之间的无缝迁移，因为源服务器和目标服务器都可以访问同一个存储设备。日志是分布式的，ESX服务器之间也不会出现单节点故障。 Lustre：Sun的集群分布式文件系统。 Lustre是专门用于包含数千个节点的大型集群的分布式文件系统。Lustre已经支持Linux系统，但是高速计算环境之外的应用程序是有限的。 Hadoop:一个象谷歌那样使用的分布式文件系统。 这不是一个集群文件系统，但是却是一个分布式文件系统。我们将Hadoop收录进来是因为它的应用越来越广泛，而且利用Hadoop的存储架构设计决策的组合很多。但是默认配置下，你会在3个不同的节点上拥有3个数据副本。一旦数据发生变化，每个数据副本都会更新，因此，从某种意义上来说，它也可以被看做是集群文件系统。然而，Hadoop存在一个故障点隐患，即跟踪记录所有文件系统级数据的命名节点。 做出最好选择有太多选择并不是坏事。你可以根据执行目标选择使用合适的集群文件系统以及存储架构。 只要有计划地使用，所有这些文件系统都可以发挥出应有的作用。
,