分布式文件系统
-
系统是构建在普通的、廉价的机器上，因此故障是常态而不是意外
-
系统希望存储的是大量的大型文件（单个文件size很大）
-
系统支持两种类型读操作：大量的顺序读取以及小规模的随机读取（large streaming reads and small random reads.）
-
系统的写操作主要是顺序的追加写，而不是覆盖写
-
系统对于大量客户端并发的追加写有大量的优化，以保证写入的高效性与一致性，主要归功于原子操作record append
-
系统更看重的是持续稳定的带宽而不是单次读写的延迟GFS架构
GFS架构：
由三部分组成：GFS master、GFS Client、GFS chunkserver。其中，GFS master任意时刻只有一个，而chunkserver和gfs client可能有多个。
一份文件被分为多个固定大小的chunk（默认64M），每个chunk有全局唯一的文件句柄 （一个64位的chunk ID），每一份chunk会被复制到多个chunkserver（默认值是3)，以此保证可用性与可靠性。chunkserver将chunk当做普通的Linux文件存储在本地磁盘上。
GFS master是系统的元数据服务器，维护的元数据包括：命令空间（GFS按层级目录管理文件）、文件到chunk的映射，chunk的位置。其中，前两者是会持久化的，而chunk的位置信息来自于Chunkserver的汇报。
GFS master还负责分布式系统的集中调度：chunk lease管理，垃圾回收，chunk迁移等重要的系统控制。master与chunkserver保持常规的心跳，以确定chunkserver的状态。
GFS client是给应用使用的API。GFS Client会缓存从GFS master读取的chunk信息（即元数据），尽量减少与GFS master的交互。
读取数据的流程：
-
应用程序调用GFS client提供的接口，表明要读取的文件名、偏移、长度。
-
GFS Client将偏移按照规则翻译成chunk序号，发送给master
-
master将chunk id与chunk的副本位置告诉GFS client
-
GFS client向最近的持有副本的Chunkserver发出读请求，请求中包含chunk id与范围
-
ChunkServer读取相应的文件，然后将文件内容发给GFS client。