话说分布式存储系统
分布式存储是一种数据存储技术，通过网络使用企业中的每台机器上的磁盘空间，并将这些分散的存储资源构成一个虚拟的存储设备，数据分散的存储在企业的各个角落。
分布式存储
ElasticStor 分布式存储系统通过软件聚合存储和计算资源，可扩展至上千节点，由于采用了分布式架构实现了存储性能的线性提升；软件将服务器 HDD、SSD、NVMe SSD 等多种类型本地硬盘，进行资源整合，创建不同性能层的存储池，向上层应用提供块、对象存储服务。并且随着存储资源的变化，系统会自动平衡存储数据的分布，以优化性能及提高数据安全性。系统支持可写快照、精简配置、闪存加速、质量控制等丰富的企业级特性。
分布式系统三条脉络：存储的用户视角
更新理解分布式系统的三条脉络： 1. 分布式存储 💾 2. 分布式计算 🧠 3. 元信息服务 🌐
💾 存储和🔍 查询是分布式数据库中最重要的两个组成部分。
💾 存储最主要的知识点就是存储引擎。所谓存储引擎，就是如何在存储层次体系中（缓存、内存和外存）组织数据，以应对高速的数据读写。 存储引擎主要分为两个流派：
🌳 以 B+ 树为代表的原地修改流（in-place）
🍃 以 LSM-Tree 为代表的追加流（append-only）
🔍 查询最重要的方向——交易型（OLTP）和分析型（OLAP）。
交易型查询的特点是，数据量相对较小，但对一致性要求较高，读写分布较为均匀。举个例子，银行转账、网站购物。 分析型查询的特点是，数据量相对较大，但对一致性要求较低，一次写入多次分析。举个例子，站长工具汇总，网站访问页面统计、受众用户分析等等。
✨ 且，分析型数据多是从在线的各种服务的日志中转化而来，继而进行这些数据进行挖掘，辅助用户决策。常用的存储模型为 star 模型，即一个事实表，多个维度表。
OLTP 和 OLAP 查询负载的不同，导致其各自对应的数据组织不同。如 OLTP 由于通常按行查询，因此多用行存；OLAP 数据量较大，且通常一次查询只涉及表中几列，因此多用列存，避免带出不需要的数据，且可以用向量化的 CPU 指令对查询处理进行优化。
分布式存储系统由于其高可用性、可扩展性和性能特点，适用场景化：
1. 大规模数据存储
场景特点：
数据量持续增长，需要存储系统支持海量数据的高效管理。
典型应用：
云存储平台（如对象存储）、社交媒体、电子商务平台等。
2. 数据分析与大数据处理
场景特点：
需要对海量非结构化和半结构化数据进行快速存储和读取。
典型应用：
大数据分析平台（如Hadoop、Spark）、日志分析、物联网数据处理等。
3. 视频监控和媒体存储
场景特点：
视频文件体积庞大，写入频繁，需要高吞吐和稳定的存储性能。
典型应用：
安防视频监控、影视制作和编辑、视频点播系统。
4. 企业级虚拟化与云计算
场景特点：
支持虚拟化环境中虚拟机的动态迁移和存储资源池化管理。
典型应用：
私有云、公有云、混合云架构中的存储解决方案。
5. 高性能计算（HPC）
场景特点：
需要高性能的并行数据访问和低延迟，支持大规模任务的并行处理。
典型应用：
科学计算、金融模拟、气象预测、基因分析等。
6. 容灾与数据备份
场景特点：
数据需分布在多个节点或多个数据中心之间，以确保高可用性和容灾能力。
典型应用：
企业备份系统、灾难恢复系统、多站点业务连续性保障。
7. 数据密集型应用
场景特点：
应用产生和访问大量数据，需快速存取和高可用支持。
典型应用：
搜索引擎、广告服务、分布式文件系统（如Ceph、GlusterFS）。
8. 人工智能与机器学习
场景特点：
需要存储和处理大量训练数据集，并能支持高效的数据流处理。
典型应用：
深度学习训练、图像处理、大规模神经网络模型存储。
根据具体场景的特点，可定制优化分布式存储架构。
