本地文件系統如ext3，reiserfs等（這里不討論基于內存的文件系統），它們管理本地的磁盤存儲資源、提供文件到存儲位置的映射，并抽象出一套文件訪問接口供用戶使用。但隨著互聯網企業的高速發展，這些企業對數據存儲的要求越來越高，而且模式各異，如淘寶主站的大量商品圖片，其特點是文件較小，但數量巨大；而類似于youtube，優酷這樣的視頻服務網站，其后臺存儲著大量的視頻文件，尺寸大多在數十兆到數吉字節不等。這些應用場景都是傳統文件系統不能解決的。分布式文件系統將數據存儲在物理上分散的多個存儲節點上，對這些節點的資源進行統一的管理與分配，并向用戶提供文件系統訪問接口，其主要解決了本地文件系統在文件大小、文件數量、打開文件數等的限制問題。
?
典型架構
目前比較主流的一種分布式文件系統架構，如下圖所示，通常包括主控服務器（或稱元數據服務器、名字服務器等，通常會配置備用主控服務器以便在故障時接管服務，也可以兩個都為主的模式），多個數據服務器（或稱存儲服務器，存儲節點等），以及多個客戶端，客戶端可以是各種應用服務器，也可以是終端用戶。
?
分布式文件系統的數據存儲解決方案，歸根結底是將將大問題劃分為小問題。大量的文件，均勻分布到多個數據服務器上后，每個數據服務器存儲的文件數量就少了，另外通過使用大文件存儲多個小文件的方式，總能把單個數據服務器上存儲的文件數降到單機能解決的規模；對于很大的文件，將大文件劃分成多個相對較小的片段，存儲在多個數據服務器上（目前，很多本地文件系統對超大文件的支持已經不存在問題了，如ext3文件系統使用4k塊時，文件最大能到4T，ext4則能支持更大的文件，只是受限于磁盤的存儲空間）。
?
理論上，分布式文件系統可以只有客戶端和多個數據服務器組成，客戶端根據文件名決定將文件存儲到哪個數據服務器，但一旦有數據服務器失效時，問題就變得復雜，客戶端并不知道數據服務器宕機的消息，仍然連接它進行數據存取，導致整個系統的可靠性極大的降低，而且完全有客戶端決定數據分配時非常不靈活的，其不能根據文件特性制定不同的分布策略。
?
于是，我們迫切的需要能知道各個數據服務器的服務狀態，數據服務器的狀態管理可分為分散式和集中式兩種方式，前者是讓多個數據服務器相互管理，如每個服務器向其他所有的服務器發送心跳信息，但這種方式開銷較大，控制不好容易影響到正常的數據服務，而且工程實現較為復雜；后者是指通過一個獨立的服務器（如上圖中的主控服務器）來管理數據服務器，每個服務器向其匯報服務狀態來達到集中管理的目的，這種方式簡單易實現，目前很多分布式文件系統都采用這種方式如GFS、TFS(http://code.taobao.org/p/tfs/wiki/index/?)、MooseFS (http://www.moosefs.org/?)等。主控服務器在負載較大時會出現單點，較多的解決方案是配置備用服務器，以便在故障時接管服務，如果需要，主備之間需要進行數據的同步。
?
問題及解決方法
本文主要討論基于上圖架構的分布式文件系統的相關原理，工程實現時需要解決的問題和解決問題的基本方法，分布式文件系統涉及的主要問題及解決方法如下圖所示。為方便描述以下主控服務器簡稱Master，數據服務器簡稱DS（DataServer）。
主控服務器
?
l?命名空間的維護
Master負責維護整個文件系統的命名空間，并暴露給用戶使用，命名空間的結構主要有典型目錄樹結構如MooseFS等，扁平化結構如淘寶TFS（目前已提供目錄樹結構支持），圖結構（主要面向終端用戶，方便用戶根據文件關聯性組織文件，只在論文中看到過）。
為了維護名字空間，需要存儲一些輔助的元數據如文件（塊）到數據服務器的映射關系，文件之間的關系等，為了提升效率，很多文件系統采取將元數據全部內存化（元數據通常較小）的方式如GFS, TFS；有些系統借則助數據庫來存儲元數據如DBFS，還有些系統則采用本地文件來存儲元數據如MooseFS。
?
一種簡單的實現目錄樹結構的方式是，在Master上存儲與客戶端完全一樣的命名空間，對應的文件內容為該文件的元數據，并通過在Master上采用ReiserFS來進行小文件存儲優化，對于大文件的存儲（文件數量不會成為Master的瓶頸），這種方式簡單易實現。曾經參與的DNFS系統的開發就是使用這種方式，DNFS主要用于存儲視頻文件，視頻數量在百萬級別，Master采用這種方式文件數量上不會成為瓶頸。
?
l?數據服務器管理
除了維護文件系統的命名空間，Master還需要集中管理數據DS，?可通過輪詢DS或由DS報告心跳的方式實現。在接收到客戶端寫請求時，Master需要根據各個DS的負載等信息選擇一組（根據系統配置的副本數）DS為其服務；當Master發現有DS宕機時，需要對一些副本數不足的文件（塊）執行復制計劃；當有新的DS加入集群或是某個DS上負載過高，Master也可根據需要執行一些副本遷移計劃。
?
如果Master的元數據存儲是非持久化的，則在DS啟動時還需要把自己的文件（塊）信息匯報給Master。在分配DS時，基本的分配方法有隨機選取，RR輪轉、低負載優先等，還可以將服務器的部署作為參考（如HDFS分配的策略），也可以根據客戶端的信息，將分配的DS按照與客戶端的遠近排序，使得客戶端優先選取離自己近的DS進行數據存取.
l?服務調度
Master最終的目的還是要服務好客戶端的請求，除了一些周期性線程任務外，Master需要服務來自客戶端和DS的請求，通常的服務模型包括單線程、每請求一線程、線程池（通常配合任務隊列）。單線程模型下，Master只能順序的服務請求，該方式效率低，不能充分利用好系統資源；每請求一線程的方式雖能并發的處理請求，但由于系統資源的限制，導致創建線程數存在限制，從而限制同時服務的請求數量，另外，線程太多，線程間的調度效率也是個大問題；線程池的方式目前使用較多，通常由單獨的線程接受請求，并將其加入到任務隊列中，而線程池中的線程則從任務隊列中不斷的取出任務進行處理。
l?主備（主）容災
Master在整個分布式文件系統中的作用非常重要，其維護文件（塊）到DS的映射、管理所有的DS狀態并在某些條件觸發時執行負載均衡計劃等。為了避免Master的單點問題，通常會為其配置備用服務器，以保證在主控服務器節點失效時接管其工作。通常的實現方式是通過HA、UCARP等軟件為主備服務器提供一個虛擬IP提供服務，當備用服務器檢測到主宕機時，會接管主的資源及服務。
?
如果Master需要持久化一些數據，則需要將數據同步到備用Master，對于元數據內存化的情況，為了加速元數據的構建，有時也需將主上的操作同步到備Master。處理方式可分為同步和異步兩種。同步方式將每次請求同步轉發至備Master，這樣理論上主備時刻保持一致的狀態，但這種方式會增加客戶端的響應延遲（在客戶端對響應延遲要求不高時可使用這種方式），當備Master宕機時，可采取不做任何處理，等備Master起來后再同步數據，或是暫時停止寫服務，管理員介入啟動備Master再正常服務（需業務能容忍）；異步方式則是先暫存客戶端的請求信息（如追加至操作日志），后臺線程重放日志到備Master，這種方式會使得主備的數據存在不一致的情況，具體策略需針對需求制定。
?
數據服務器
l?數據本地存儲
數據服務器負責文件數據在本地的持久化存儲，最簡單的方式是將客戶每個文件數據分配到一個單獨的DS上作為一個本地文件存儲，但這種方式并不能很好的利用分布式文件系統的特性，很多文件系統使用固定大小的塊來存儲數據如GFS, TFS, HDFS，典型的塊大小為64M。
?
對于小文件的存儲，可以將多個文件的數據存儲在一個塊中，并為塊內的文件建立索引，這樣可以極大的提高存儲空間利用率。Facebook用于存儲照片的HayStack系統的本地存儲方式為，將多個圖片對象存儲在一個大文件中，并為每個文件的存儲位置建立索引，其支持文件的創建和刪除，不支持更新（通過刪除和創建完成），新創建的圖片追加到大文件的末尾并更新索引，文件刪除時，簡單的設置文件頭的刪除標記，系統在空閑時會對大文件進行compact把設置刪除標記且超過一定時限的文件存儲空間回收（延遲刪除策略）。淘寶的TFS系統采用了類似的方式，對小文件的存儲進行了優化，TFS使用擴展塊的方式支持文件的更新。對小文件的存儲也可直接借助一些開源的KV存儲解決方案，如Tokyo Cabinet（HDB, FDB, BDB, TDB）、Redis等。
?
對于大文件的存儲，則可將文件存儲到多個塊上，多個塊所在的DS可以并行服務，這種需求通常不需要對本地存儲做太多優化。
l?狀態維護
DS除了簡單的存儲數據外，還需要維護一些狀態，首先它需要將自己的狀態以心跳包的方式周期性的報告給Master，使得Master知道自己是否正常工作，通常心跳包中還會包含DS當前的負載狀況（CPU、內存、磁盤IO、磁盤存儲空間、網絡IO等、進程資源，視具體需求而定），這些信息可以幫助Master更好的制定負載均衡策略。
?
很多分布式文件系統如HDFS在外圍提供一套監控系統，可以實時的獲取DS或Master的負載狀況，管理員可根據監控信息進行故障預防。
l?副本管理
為了保證數據的安全性，分布式文件系統中的文件會存儲多個副本到DS上，寫多個副本的方式，主要分為3種。最簡單的方式是客戶端分別向多個DS寫同一份數據，如DNFS采用這種方式；第2種方式是客戶端向主DS寫數據，主DS向其他DS轉發數據，如TFS采用這種方式；第三種方式采用流水復制的方式，client向某個DS寫數據，該DS向副本鏈中下一個DS轉發數據，依次類推，如HDFS、GFS采取這種方式。
?
當有節點宕機或節點間負載極不均勻的情況下，Master會制定一些副本復制或遷移計劃，而DS實際執行這些計劃，將副本轉發或遷移至其他的DS。DS也可提供管理工具，在需要的情況下由管理員手動的執行一些復制或遷移計劃。
l?服務模型
參考主控服務器::服務模型一節
?
客戶端
l?接口
用戶最終通過文件系統提供的接口來存取數據，linux環境下，最好莫過于能提供POSIX接口的支持，這樣很多應用（各種語言皆可，最終都是系統調用）能不加修改的將本地文件存儲替換為分布式文件存儲。
?
要想文件系統支持POSIX接口，一種方式時按照VFS接口規范實現文件系統，這種方式需要文件系統開發者對內核有一定的了解；另一種方式是借助FUSE(http://fuse.sourceforge.net)軟件，在用戶態實現文件系統并能支持POSIX接口，但是用該軟件包開發的文件系統會有額外的用戶態內核態的切換、數據拷貝過程，從而導致其效率不高。很多文件系統的開發借助了fuse，參考http://sourceforge.net/apps/mediawiki/fuse/index.php?title=FileSystems。
?
如果不能支持POSIX接口，則為了支持不同語言的開發者，需要提供多種語言的客戶端支持，如常用的C/C++、java、php、python客戶端。使用客戶端的方式較難處理的一種情況時，當客戶端升級時，使用客戶端接口的應用要使用新的功能，也需要進行升級，當應用較多時，升級過程非常麻煩。目前一種趨勢是提供Restful接口的支持，使用http協議的方式給應用（用戶）訪問文件資源，這樣就避免功能升級帶來的問題。
?
另外，在客戶端接口的支持上，也需根據系統需求權衡，比如write接口，在分布式實現上較麻煩，很難解決數據一致性的問題，應該考慮能否只支持create（update通過delete和create組合實現），或折中支持append，以降低系統的復雜性。
l?緩存
分布式文件系統的文件存取，要求客戶端先連接Master獲取一些用于文件訪問的元信息，這一過程一方面加重了Master的負擔，一方面增加了客戶端的請求的響應延遲。為了加速該過程，同時減小Master的負擔，可將元信息進行緩存，數據可根據業務特性緩存在本地內存或磁盤，也可緩存在遠端的cache系統上如淘寶的TFS可利用tair作為緩存（減小Master負擔、降低客戶端資源占用）。
?
維護緩存需考慮如何解決一致性問題及緩存替換算法，一致性的維護可由客戶端也可由服務器完成，一種方式是客戶端周期性的使cache失效或檢查cache有效性（需業務上能容忍），或由服務器在元數據更新后通知客戶端使cache失效（需維護客戶端狀態）。使用得較多的替換算法如LRU、隨機替換等。
l?其他
客戶端還可以根據需要支持一些擴展特性，如將數據進行加密保證數據的安全性、將數據進行壓縮后存儲降低存儲空間使用，或是在接口中封裝一些訪問統計行為，以支持系統對應用的行為進行監控和統計。
?
總結
本文主要從典型分布式文件系統架構出發，討論了分布式文件系統的基本原理，工程實現時需要解決的問題、以及解決問題的基本方法，真正在系統工程實現時，要考慮的問題會更多。如有問題，歡迎拍磚。
