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。针对应用和负载来优化存储，就是将数据存储与应用耦合。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。分布式存储针对应用和负载的存储优化技术，传统数据存储模型需要支持尽可能多的应用，因此需要具备较好的通用性。简化或扩展分布式文件系统的功能，根据特定应用、特定负载、特定的计算模型对文件系统进行定制和深度优化，使应用达到佳性能。分布式存储系统通过高效的缓存预取算法和合理的缓存容量配比。福州服务器分布式存储架构图
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。苏州图片分布式存储系统分布式存储用位置服务器定位存储信息。
分布式存储系统的构成及优势：很多人认为分布式存储系统就是用来存数据用的，就像是我们平常生活中的仓库，有东西就放在仓库里，想用了就去仓库里，这种比喻也有一定的道理，分布式存储系统能够帮助我们形象的去了解服务器。分布式存储节点之间能够互通状态和诊断信息。这种特征使得在系统层面部署故障检测、节点替换、数据检测等十分的方便。但是这对分布式存储系统来讲，并不是一个严格的定义，首先我们了解一下分布式存储系统的构成，一般来讲服务器里至少包括处理器、内存条、硬盘、主板等，与普通的服务器基本类似，但是侧重点不同，其对硬件的稳定性、可扩展性、可管理性等方面要求较高。从数据角度来看，可靠性指的是数据在传感和通信方面是可靠地。
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。那有几种一致性呢？a、时间一致性：要求所有数据组件的数据在任意时刻都是完全一致的；b、事物一致性：事务一致性只能存在在事务开始前的和事务完成之后，在事务过程中数据有可能不一致，比如A转100元给B，A扣减100，B加上100，在事务开始前和事务完成之后都能保证他们的帐是对上的，那么这就是事务一致性。但是在事务过程中有可能会出现A扣减了100元，B没有加上100元的情况，这就是不一致。分布式存储以Ceph为表示的架构是其典型的表示。
主副本首先将操作日志同步到备副本，备副本回放操作日志，完成后通知主副本。接着，主副本修改本机，等到所有的操作都完成后再通知客户端写成功。复制协议要求主备同步成功才可以返回客户端写成功，这种协议称为强同步协议。大量PC机通过网络互联，对外作为一个整体提供存储服务。分布式存储系统可以通过增加PC机的方式，使系统整体性能表现为线性增长。有人认为分布式存储系统只向服务器添加了某些功能，而人们则将其定义为“简单的盒子”，尤其是针对特定功能，有些人认为该术语应指代NAS但是分布式存储系统却并非如此。数据存储，为确保我们数据和信息的安定，分布式存储应用程序应运而生！北京大数据分布式存储服务架构
无元数据服务器的分布式架构实现较为复杂。福州服务器分布式存储架构图
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。福州服务器分布式存储架构图
