开源分布式存储之我见

相信很多公司和我们一样，本就不充足的研发队伍，由于种种历史和政治原因，在同一个领域里充斥了大量类似的开源项目，在我们的分布式存储系统里，目前就采用了HDFS，Gluster，Swift和Ceph四种系统。今天就凭着印象，聊一聊这四种分布式存储的不同。

1.HDFS

其实在真正搞过分布式文件系统的人看来，HDFS不能算得上是真正的文件系统。因为他实在太简单，太粗糙。甚至连搞个append接口都搞了老半天，到现在应该还不支持随机读写之类的文件系统最基本的功能。他最大的优势是借助hadoop这个生态系统得以比较稳定。另外还有一个优势就是他是用 java写的，这样一帮java程序员也可以号称自己在搞文件系统了。

HDFS到现在应该还是不是真正意义上的分布式，他的nameode的federation相当于静态目录，虽然共享存储池，但是namespace是不共享的。

2.Gluster

Gluster最大的优势在于他继承了传统文件系统的posix接口，而且表现比较稳定。虽然他的元数据的分布式hash带来很多性能上的问题，但如果非要用文件系统接口的似乎也没有更好的选择。

但是Gluster用的是c/c++,对于很多只想拿来就用不想踩坑的同学无疑是个负担，万一出了问题不是很容易解决。

3.Swift

Swift的流行得益于openstack，它应该是目前最流行的对象存储系统，印象中有在生产环节跑到上百PB的case。但总感觉这玩意用python写的，有点粗糙，似乎就是一堆脚本的拼凑。

4.Ceph

最后不得不谈一下笔者的最爱，Ceph。初次接触他是在2012年初。它最大的优势就是同时支持三种存储接口，是真正意义上的融合存储。但它 mds的设计过于学术，似乎很难有稳定下来的一天。Ceph真正大火也是得益于跟opestack的结合，现在它已经是openstack快存储的不二之选。它的对象存储也还算稳定，dreamhost，CERN包括最近的yahoo都有PB级的生产级别使用。

总结下来HDFS如果不是离线的大数据计算，应该是最没吸引力的。如果是非要用文件系统接口，那只能是gluster。如果单纯的对象存储推荐swift。如果考虑更好的兼容S3或者跟openstack相结合，当然是ceph。