分布式集群与NTFS、EXT等本地文件系统的目的不同，前者是为了扩展性，后者运行在单机环境，纯粹管理块和文件之间的映射以及文件属性。分布式元数据管理架构则将元数据分散在多个结点上．进而解决了元数据服务器的性能瓶颈等问题．并提高了元数据管理架构的可扩展性，但实现较为复杂，并引入了元数据一致性的问题。另外，还有一种无元数据服务器的分布式架构，通过在线算法组织数据，不需要专门的元数据服务器。但是该架构对数据一致性的保障很困难．实现较为复杂。文件目录遍历操作效率低下，并且缺乏文件系统全局监控管理功能。分布式存储系统可以将两个抽屉安装在竞争的机柜上。数据分布式存储架构
分布式存储系统其与NTFS、EXT等本地文件系统的目的不同，前者是为了扩展性，后者运行在单机环境，纯粹管理块和文件之间的映射以及文件属性。分布式存储系统分为多类，按照对存储空间的访问方式，可分为共享存储型分布式存储系统和分布式分布式存储系统，前者是多台计算机识别到同样的存储空间，并相互协调共同管理其上的文件，又被称为共享文件系统；后者则是每台计算机各自提供自己的存储空间，并各自协调管理所有计算机节点中的文件。属于共享存储型分布式存储系统。而HDFS、Gluster、Ceph、Swift等互联网常用的大规模分布式存储系统无一例外都属于分布式分布式存储系统。分布式分布式存储系统可扩展性更强，目前已知大可扩展至10K节点。杭州大数据分布式存储技术元数据的分配主要通过静态子树划分技术实现。
构建存储系统时需要基于成本和性能来考虑，因此存储系统通常采用多层不同性价比的存储器件组成存储层次结构。以实现负载均衡；同时．结点失效时，数据必须可以通过副本等机制进行恢复，不能对上层应用产生影响。大数据的规模大，因此构建高效合理的存储层次结构，可以在保证系统性能的前提下，降低系统能耗和构建成本，利用数据访问局部性原理．可以从两个方面对存储层次结构进行优化。从提高性能的角度，可以通过分析应用特征，识别热点数据并对其进行缓存或预取，通过高效的缓存预取算法和合理的缓存容量配比，以提高访问性能。
分布式存储由于多个副本的存在，如何保证副本之间的一致性是整个分布式系统的理论中心。数据一致性这个单词在平常开发中，或者各种文章中都能经常看见，我们常常听见什么东西数据不一致了，造成了一定的损失，赶快修复一下。分布式存储的完全无中心架构–计算模式，以Ceph为表示的架构是其典型的表示。在该架构中与HDFS不同的地方在于该架构中没有中心节点。客户端是通过一个设备映射关系计算出来其写入数据的位置，这样客户端可以直接与存储节点通信，从而避免中心节点的性能瓶颈。由于异常的存在，分布式存储系统设计时往往会将数据冗余存储多份，每一份称为一个副本）。无元数据服务器的分布式架构缺乏文件系统全局监控管理功能。
移动终端的计算能力和存储空间有限，而且有在多个设备之间共享资源的强烈的需求，这就使得网盘、相册等云存储应用很快流行起来。然而，万变不离其宗，云存储的中心还是后端的大规模分布式存储系统。大数据则更近一步，不仅需要存储海量数据，还需要通过合适的计算框架或者工具对这些数据进行分析，抽取其中有价值的部分。如果没有分布式存储，便谈不上对大数据进行分析。仔细分析还会发现，分布式存储技术是互联网后端架构的神器。存储资源提供方基于协约来存储需求方的数据，并得到相应的激励。分布式存储步骤实际上并不复杂，但是对于我们在使用服务器的时候，帮助巨大。上海超融合分布式存储架构图
分布式存储系统利用数据访问局部性原理．可以从两个方面对存储层次结构进行优化。数据分布式存储架构
存储资源既可以是我们闲置的硬盘，也可以是专门的存储矿机。相较于中心化云存储，分布式存储有着众多优势。分布式存储系统的颠覆在于整个数据存储和事务处理过程不依赖于传统的集中式系统(如谷歌驱动、Dropbox等)。)，但将区块链技术生成的个人数据连接起来，结合Dx原生通行证和经济激励制度，鼓励更多的存储供应商和个人用户贡献其闲置硬盘存储空间，不仅可以获得有效的经济效益，还可以提高整体生态资源利用率。所谓分布式存储，就是将数据分散存储在多个异地分布的区域性或全球性网络节点中。数据分布式存储架构
