分布式文件存储是支撑海量数据的核心技术，下面我详解分布式文件存储技术@mikechen
HDFS
HDFS（Hadoop-Distributed-File-System）：是大数据生态中的代表性分布式文件系统。
受 GFS 启发而诞生的开源实现，它的核心目标是“一次写入，多次读取”，主要为 MapReduce 等大数据计算框架提供支撑。
其设计强调高吞吐量和大文件顺序读写，采用“NameNode + DataNode”架构。
由NameNode统一管理元数据，DataNode负责实际数据存储。
HDFS适合日志分析、离线计算和数据仓库等场景，但不擅长低延迟随机读写。
GFS
GFS（Google File System）：是谷歌提出的分布式文件系统，作为HDFS的重要设计参考。
谷歌为了应对搜索引擎，海量网页存储而设计的鼻祖级分布式文件系统。
它假设硬件是廉价且易损的，因此将容错、和高吞吐量放在首位。
GFS 的设计重点是把文件切成大块，常见块大小是 64MB。
由单一 Master 统一管理元数据，ChunkServer 存储实际数据 。
这种设计可以显著减少元数据压力，并通过租约、流水线复制等机制提升写入一致性和容错能力 。
GFS 的理念后来深刻影响了 HDFS，尤其是“中心化元数据 + 大块切分 + 多副本”的思路
GFS主要用于：搜索索引、网页爬取和大规模后台数据处理。
Ceph
Ceph则是一种更通用的分布式存储系统，支持对象存储、块存储和文件存储三种模式。
核心是CRUSH算法，可实现数据的去中心化分布与动态扩展，避免单点瓶颈。
Ceph适用于云平台、虚拟机存储、私有云和企业级存储系统。
FastTFS
FastTFS是一种面向高并发、小文件场景的分布式文件存储系统，强调快速访问与高扩展性。
典型架构是 Tracker + Storage + Client 。
Tracker ：负责调度和负载均衡，Storage： 负责真正存储文件。
它不追求像 Ceph 那样的“全能”，而是专注于文件上传、下载、访问分发这类互联网常见需求。
FastTFS适合：图片存储、共享文件服务和互联网业务中的海量小文件管理。