分布式文件存储是大型架构的基石，下面我重点详解分布式文件存储@mikechen
HDFS
HDFS 是 Apache Hadoop 项目的核心组件之一，专为大数据批处理而设计。
HDFS 采用主从（Master/Slave）架构，如下图所示：
NameNode（主节点）： 负责管理文件系统的元数据（metadata）。
例如：文件目录结构、文件与数据块…等等，它不存储实际数据。
DataNode（从节点）： 负责存储实际的数据块，数据会被切分成固定大小（通常为 128MB 或 256MB）的数据块。
优点：
高吞吐：适合大文件的顺序读写。
Hadoop 生态紧密结合（MapReduce、Hive、Spark 等）。
缺点：
不支持低延迟访问（比如随机小文件读写性能差）。
不适合小文件存储（元数据过载）。
应用场景
大数据处理平台（离线计算、日志存储）。
CephFS
Ceph 的分布式文件系统组件，采用 CRUSH 算法进行数据分布。
Ceph 的核心是 CRUSH 算法，它通过哈希计算和映射，将数据对象动态、均匀地分布在集群中的所有存储设备上，实现了高度的去中心化。
OSD (Object Storage Device)： 存储数据对象，每个 OSD 通常对应一个物理硬盘。
Monitor： 负责维护集群的状态信息和元数据。
MDS (Metadata Server)： 专门负责管理 CephFS 的文件元数据。
工作流程： 客户端与 MDS 交互获取元数据，然后直接与 OSD 交互进行数据读写。
应用场景：云计算（OpenStack 的默认存储 backend）。
GFS
GFS，Google 提出的分布式文件系统，HDFS 的灵感来源。
整体架构，如下图所示：
GFS 同样采用主从（Master/Slave）架构，原理与 HDFS 非常相似。
Master（主节点）： 负责管理元数据，包括文件命名空间、访问控制和数据块位置信息。
Chunkserver（从节点）： 负责存储实际数据块（称为 Chunk），每个 Chunk 通常为 64MB。每个 Chunk 也有多副本。
工作流程： 客户端先与 Master 交互获取元数据，然后直接与 Chunkserver 进行数据读写。
TFS
TFS 是淘宝自主研发的分布式文件系统，专为淘宝海量的图片、商品、交易等小文件存储而设计。
TFS 同样采用主从（Master/Slave）架构，但其设计核心是针对小文件进行优化。
特别适合：商品图片、用户头像、短视频、文档…等场景。