分布式存储是大型架构的基石，下面我重点详解分布式存储系统@mikechen
HDFS
HDFS 是 Hadoop 生态核心存储系统，专为大数据分析设计，将大文件拆分成块存储在多个节点上，通过“ NameNode” 管理元数据。
优点：
高吞吐量，适合批处理和大文件顺序读写；
可扩展至 PB 级；
成本效益，可部署在廉价的通用硬件上。
缺点：
低延迟访问，不适合小文件存储和低延迟随机读写。
不适合修改， 一旦写入，文件不易修改，适合一次写入多次读取的场景。
应用场景：
大数据分析（Hadoop/Spark）、日志分析、海量文件归档。
CephFS
Ceph 是一个统一存储系统，具有高扩展性与高可用性。
优点：
同时支持文件、对象、块存储，灵活性高；
支持副本和纠删码，可靠性强；
自动负载均衡与自修复机制。
缺点：
部署和管理复杂，相较于HDFS，Ceph的部署和运维需要更高的技术门槛。
应用场景：
企业级云存储、Kubernetes 持久化存储、虚拟机磁盘。
GFS
GlusterFS 是基于用户空间的分布式文件系统，使用普通硬件即可快速构建分布式存储集群。
优点：
易于部署和管理，相对于Ceph，GlusterFS的部署和配置更为简单。
良好的扩展性： 通过添加存储节点即可实现容量、和性能的扩展。
缺点：
在某些特定场景下，如小文件大量读写，性能可能不如HDFS或Ceph。
主要提供文件存储功能，不具备块存储或对象存储接口。
应用场景：
非结构化数据存储，如文档、图片、视频等。
内容分发网络 (CDN) 的后端存储。
大数据分析中的共享存储。
FastDFS
优点：
专为小文件设计： 针对海量小文件存储进行了优化，如图片、文档等。
高并发访问： 能够支持高并发的文件上传和下载。
简单高效： 架构简单，易于部署和维护，性能较高。
缺点：
不适合大文件： 对于大文件的存储和管理效率不高。
功能单一： 仅提供文件存储服务，不具备其他存储接口。
应用场景：
图片服务器、文件服务器，短视频应用…等场景