第一章 - 概述

1. 概念：分布式存储系统是大量普通 PC 服务器通过网络互联，对外作为一个整体提供存储服务
2. 分布式存储系统的特性
   1. 可扩展：通过增加规模线性提升集群性能
   2. 低成本：基于普通 PC 构建、能够弹性伸缩集群规模
   3. 高性能：单台机器、整个集群都具备高性能
   4. 易用：好用的 API、完善的监控、运维工具、方便与其他系统集成
3. 分布式系统的挑战，两个领域（分布式系统、数据库）
   1. 数据、状态信息的持久化
      • 数据分布：如何将数据分布在多台机器、如何读写这些机器上的数据
      • 负载均衡
        • 运行过程中如何实现自动负载均衡
        • 新增、减少服务器后如何实现自动负载均衡
        • 数据迁移过程中如何不影响已有服务
   2. 自动迁移和容错
      • 如何检测故障
      • 如何将故障服务器上的数据和服务迁移到其他服务器 （failover）
   3. 数据一致性
      • 数据如何在多副本间复制
      • 异常情况如何保证副本间数据一致性
   4. 压缩与解压
      • 如何设计合理的压缩与解压算法
      • 如何平衡压缩与解压算法节省的存储空间与 CPU 开销
4. 分布式存储系统按数据分类
   1. 非结构化数据：文件、文本、图像、音频、视频
   2. 半结构化数据：HTML 文档，通常是自描述的、模式与内容混合在一起、不需要预定义模式
   3. 结构化数据：二维表结构，模式和内容分开存储、需要预定义模式
5. 分布式系统按处理数据类型分类
   1. 分布式文件系统
      1. 存储 BLOB 对象、定长块、大文件
      2. 内部按数据块（chunk）组织数据、每个数据块的大小大致相同
         
      3. 通常作为分布式表格系统、分布式数据库的底层存储
      4. 产品 Haystack、Google File System、Taobao File System、Amazon Elastic Block Store、
   2. 分布式键值系统：只提供基于主键的 CRUD 功能
      1. 数据模型：哈希表
      2. 产品：Taobao Tair、Amazon Dynamo、Memcached
   3. 分布式表格系统：存储半结构化数据，支持按主键的 CRUD 及按主键范围扫描，支持简单的事务、不支持多表联合查询、多表连接、子查询
   4. 分布式数据库：存储结构化数据
      • MySQL Sharding
      • Tidb