分布式是大型架构的基石，下面我重点详解分布式存储架构@mikechen
分布式存储架构
分布式存储，是将数据分布存放在多台服务器上的存储系统，用户访问时通过统一的接口感知为一个整体。
分布式存储架构，数据被分割成多个块或对象。
然后根据一定的策略（如哈希、范围、目录等），分散存储在集群中的不同节点上。
然后，通过数据冗余、和复制技术（如副本、纠删码），即使部分节点或设备发生故障，系统也能保证数据的完整性。
分布式文件存储
分布式存储架构，可以被归纳为四种主要的模式，每种模式都有其独特的技术特点和应用场景。
首先第一个，就是：分布式文件存储架构，提供文件系统接口。
用于大规模并行计算、媒体处理与共享文件系统需求。
常用于 Hadoop/HDFS、科研计算、NFS 替代方案等场景。
将数据分成块（block 或 chunk）并分布在数据节点上，元数据管理（文件目录、块位置）是核心。
元数据通常由单一或分布式元数据服务管理（如 HDFS 的 NameNode、CephFS 的 MDS）。
支持大文件顺序读写以及并行读，某些系统支持并发写入。
应用于：大数据分析（Hadoop、Spark）、AI/机器学习训练样本存储。。，等场景。
分布式对象存储
数据以“对象”为单位，通常包含对象数据 + 可扩展的用户自定义元数据。
对象通过唯一键（如 URL、对象 ID）访问，接口多为 HTTP/REST（S3 API 已成事实标准）。
典型的实现，包含：Amazon S3（业界标杆）、Ceph Object（RGW）。
常用场景：静态媒体文件、备份归档、日志与大数据湖、云原生存储（如 Kubernetes 的对象存储插件）。
分布式块存储
数据被切分为固定大小的块（Block），分布在多个节点上。
对外表现为“虚拟磁盘”，文件系统由上层 OS 自己管理。
低延迟、随机访问性能好；兼容现有应用（通过文件系统）
支持快照、克隆、容灾复制
但是，横向扩展能力由后端实现复杂度决定，扩容/迁移比对象存储更复杂。
分布式键值存储
以 Key-Value 或表格结构 形式存储和访问数据。
数据通过键直接定位；水平扩展通过分片（sharding）实现，通常采用一致性哈希或范围分片。
核心目标：高扩展性 + 高并发读写 + 高可用。
不仅存储原始数据，还提供部分数据库语义。
典型系统：BigTable（Google）、HBase（Hadoop 生态）。。。等等。