大数据具有大规模、高动态及快速处理等特性，通用的数据存储模型通常并不是能提高应用性能的模型。而大数据存储系统对上层应用性能的关注远远超过对通用性的追求。分布式存储系统需要使用多台服务器共同存储数据，而随着服务器数量的增加，服务器出现故障的概率也在不断增加。为了保证在有服务器出现故障的情况下系统仍然可用。一般做法是把一个数据分成多份存储在不同的服务器中。但是由于故障和并行存储等情况的存在，同一个数据的多个副本之间可能存在不一致的情况。这里称保证多个副本的数据完全一致的性质为一致性。分布式存储所产生的产品是非常有保证的。浙江四大开源分布式存储平台
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。北京图片分布式存储技术分布式存储系统能够达到非常高的性能。
分布式存储系统顾名思义就是将大量的普通服务器，通过网络互联，对外作为一个整体提供存储服务。互联网后端的分布式系统要求支持横向扩展，即通过增加普通PC服务器来提高系统的整体处理能力。普通PC服务器性价比高，故障率也高，需要在软件层面实现自动容错，保证数据的一致性。另外，随着服务器的不断加入，需要能够在软件层面实现自动负载均衡，使得系统的处理能力得到线性扩展。从单机单用户到单机多用户，再到现在的网络时代，应用系统发生了很多的变化。而分布式系统依然是目前很热门的讨论话题，分布式系统给我们带来很更加方便处理数据的能力和方法。
分布式存储系统的机箱一般采用热插拔，这是一个运维的专业名词，我们不需要完全懂分布式存储系统的解释，但是我们可以了解一下分布式存储系统有什么用，举个例子，普通的服务器在硬盘损坏的情况下，我们只能停止服务器的运行，然后把分布式存储系统拆开来检查是什么问题，这样会导致任务无法进行，效率很低，而分布式存储系统的热插拔就能在某个硬盘损坏的情况，不停止服务器的运行，只需拔下这个问题硬盘进行检查就行，工作任务可以持续进行，效率非常的高。普通的服务器会因为用户大量的读取和写入操作而发生宕机的情况，这是因为硬盘运转的频率和速度要求太高，导致了硬盘无法承受这么严格的操作要求。集中式元数据管理架构存在单点故障等问题。
分布式存储系统按照文件访问方式来分类，分布式存储系统可分为串行访问式和并行访问式，后者又被俗称为并行文件系统。对于分布式集群，其对文件元数据的管理方式又可以分为single path image和single filesystem image两种方式。串行访问是指客户端只能从集群中的某个节点来访问集群内的文件资源，而并行访问则是指客户端可以直接从集群中任意一个或者多个节点同时收发数据，做到并行数据存取，加快速度。HDFS、GFS、pNFS等分布式存储系统，都支持并行访问，需要安装专门客户端，传统的NFS/CIFS客户端不支持并行访问。分布式存储系统为了简化用户端的使用，提供了一个分布式缓存系统来提供对此。苏州图片分布式存储架构图
分布式存储在应用程序中涉及多个不同的单机事务。浙江四大开源分布式存储平台
单独服务所提供的存储系统，访问都来自互联网，自然是做对象存储；与之相对应，大部分类AWS的主机服务商都会提供一个块存储服务搭配主机服务。在这一点上分布式存储是需要特别进行注意的，不然会影响使用。分布式存储的对象存储和文件存储的区别是不大的，存储的都是一样的东西，只是抛弃了统一的命名空间和目录树的结构，使得扩展起来桎梏少一些。单独的互联网存储服务一般都是做对象存储的，因为块存储是给计算机用的，对象存储是给浏览器等HTTP客户端用的。浙江四大开源分布式存储平台
