【分布式理论13】分布式存储：数据存储难题与解决之道

一、数据存储面临的问题

在单机系统时代，当数据量不断增加、硬盘空间不够时，最简单的解决办法就是扩大磁盘容量。然而，随着数据量的增长，磁盘读写操作的速度成为了限制系统性能的瓶颈。因此，提升存储性能、提高数据的可靠性和可扩展性，成为了系统设计的重要目标。

在这个过程中，磁盘阵列（RAID）技术、分布式存储以及扩展技术逐渐成为了应对挑战的解决方案。

二、RAID磁盘阵列的解决方案

1. RAID概述

RAID（独立磁盘冗余阵列）是解决上述问题的早期探索。它由多个独立高性能磁盘驱动器构成磁盘子系统，为主机环境提供成本适中、数据可靠性高的高性能存储，能改善磁盘的存储容量、读写速度，增强磁盘的可用性。

2. RAID使用的技术

1. 镜像：将数据复制到多个磁盘。这一方面提高了系统可靠性，另一方面让数据读操作可并发进行，从而提高读写性能。但写性能稍低，因为要确保数据正确写入多个磁盘较耗时。
2. 数据条带：把一整块数据分片，存于多个不同磁盘空间。面对并发读写请求时，可同时操作不同磁盘上的数据，提升I/O性能。
3. 数据校验：因镜像存储使同一份数据存于多个磁盘，这种冗余存储有助于数据的错误检测和修复。冗余数据通常用海明码、异或操作等算法生成，提高了RAID的可靠性和容错能力。

3. RAID的代表性等级

4. RAID0：是一种无数据校验的数据条带化技术，不提供冗余策略。它将整块数据分成多份存到不同磁盘，访问时可并发执行IO操作，充分利用总线带宽。
5. RAID1：完全实现镜像技术，把数据集复制一份，原数据集和副本分别存于两个磁盘，磁盘空间利用率为50%。读取数据可从任一磁盘获取，写入时响应时间受影响，但大大提高了数据可靠性。
6. RAID01和RAID10：RAID01由RAID0和RAID1组合，先进行条带化再镜像，提高了读写效率和数据可靠性，但磁盘利用率低。RAID10则是先镜像再条带，从读写性能上和RAID01一样，但出现磁盘故障时，读性能优于RAID01，安全性更强。

虽然RAID通过增加磁盘数量提高了单机服务器的数据读写效率和可靠性，但单机磁盘扩容有上限，不足以应对数据爆发式增长带来的挑战。

三、分布式存储的新思路

1. 分布式存储背景与特点

分布式存储属于集群水平扩展，随着业务发展，系统数据量和访问量剧增，单机难以满足需求，分布式集群存储便应运而生。它将数据分布在多台服务器节点上，为大规模应用提供大容量、高性能、高可用、高扩展的存储服务。借鉴RAID的数据分片和副本技术，分布式存储将数据按规律存储在不同服务器节点，读写时也遵循相应规律。

2. 分布式存储的组成要素

7. 数据的使用者：也就是使用数据的用户，可从分布式存储系统写入和读取数据。数据分为结构化数据（如关系型数据库）、半结构化数据（如HTML、JSON、XML等）和非结构化数据（如文档、图片、视频等）。
8. 数据的索引者：在分布式系统中，它负责找到数据读写的正确路径。由于数据集分布在不同服务器上，需通过Hash算法、一致性Hash算法等找到数据。
9. 数据的存储者：相当于容器，将使用者产生的数据保存起来，数据可存于磁盘或内存。结构化数据、半结构化数据、非结构化数据分别对应分布式数据库、分布式键值系统、分布式文件系统。索引者将使用者和存储者连接起来，并作为数据存储的媒介。

 
参考：《分布式架构原理与实践-崔皓》