分布式存储是大型架构的核心，下面我重点详解分布式存储@mikechen
HDFS
HDFS 是 Hadoop 生态的核心组件之一，专为 海量文件的离线存储与批处理 而设计。
HDFS：适合批处理、离线分析场景（如 MapReduce、Spark）。
对小文件不友好，但在吞吐量与大文件顺序读写方面表现优异。
它采用 主从架构（Master-Slave）：
优点：
高容错（多副本机制）；
适合大文件存储；
与 Hadoop / Spark 深度集成。
缺点：
不适合小文件（元数据膨胀严重）；
主要用于离线分析，实时性差。
Ceph (全能型分布式存储)
Ceph：面向通用分布式存储的统一平台，支持对象存储（RADOS）、块存储（RBD）与文件系统（CephFS）。
采用无中心化的 CRUSH 算法实现数据分布与负载均衡，具备高度可扩展性与自修复能力。
Ceph：适用场景最广。
既能满足云平台的块存储与对象存储需求，也可作为后端为虚拟化、容器及分布式数据库提供存储。
读写延迟与元数据操作在中等水平，但通过扩容可保持性能线性增长。
FastDFS
FastDFS：来自开源社区的轻量级分布式文件系统，设计目标是高并发小文件与大文件的高效存储与下载。
采用 tracker（跟踪节点）与 storage（存储节点）分层架构，易于部署与维护。
FastDFS：在静态文件托管、媒体分发、图片与下载服务等场景表现良好。
特别擅长处理大量中小文件和高并发下载请求，延迟低且部署成本小。
优点：
轻量、简单、部署方便；
支持文件的自动分组、冗余；
性能优异，适合中小文件高频访问。
缺点：
不支持 POSIX 文件系统；
TFS
TFS（阿里巴巴/淘宝文件系统）：为互联网大规模文件服务优化的系统。
关注高可用、高并发和成本效率，融合了对象与文件服务特性，常与上层业务体系深度集成。
强调高可用与低成本存储，适合对延迟与一致性有特定优化需求的互联网业务。
优点：
高性能文件读写；
适合亿级小文件；
支撑淘宝图片、日志、搜索索引。
缺点：
封闭性强，开源程度有限；
与 Hadoop 生态兼容性差。
关于mikechen
mikechen睿哥，10年+大厂架构经验，资深技术专家，就职于阿里巴巴、淘宝、百度等一线互联网大厂。