而非对称式分布式存储系统中，有专门的一个或者多个节点负责管理元数据，其他节点需要频繁与元数据节点通信以获取新的元数据比如目录列表文件属性等等，后者典型表示比如HDFS、GFS、BWFS、Stornext等。对于分布式存储系统，其可以是分布式+对称式、分布式+非对称式、共享式+对称式、共享式+非对称式，两两任意组合。分布式存储系统按照元数据的管理方式，可分为对称式分布式存储系统和非对称式分布式存储系统。前者每个节点的角色均等，共同管理文件元数据，节点间通过高速网络进行信息同步和互斥锁等操作，典型表示是Veritas的VCS。无元数据服务器的分布式架构文件目录遍历操作效率低下。苏州超融合分布式存储控制系统
集群间的数据会发生迁移，以便达到平衡。这个过程有些是自动的，也有些是手动进行触发。这个过程也是困难的：既要保证数据的增量迁移，又要保证集群的正确服务。分布式存储的兴起与互联网的发展密不可分，互联网公司由于其数据量大而资本积累少，而通常都使用大规模分布式存储系统。分布式存储与传统的好的服务器、好的存储器和好的处理器不同的是，互联网公司的分布式存储系统由数量众多的、低成本和高性价比的普通PC服务器通过网络连接而成。其主要原因有以下：互联网的业务发展很快，而且注意成本消耗，这就使得存储系统不能依靠传统的纵向扩展的方式，即先买小型机，不够时再买中型机，甚至大型机。天津网络分布式存储系统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”。
分布式存储客户端将写请求发送给主副本，主副本将写请求复制到其他备副本，常见的做法是同步操作日志（CommitLog）。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。分布式存储由于多个副本的存在，如何保证副本之间的一致性是整个分布式系统的理论中心。
可以考虑做容灾备份等方案，而这些方案就会让系统演变为分布式系统了；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。分布式存储系统通过复制协议将数据同步到多个存储节点。
在大数据环境下，元数据的体量也非常大，元数据的存取性能是整个分布式文件系统性能的关键。常见的元数据管理可以分为集中式和分布式元数据管理架构。集中式元数据管理架构采用单一的元数据服务器，实现简单．但是存在单点故障等问题。分布式存储系统中的多台服务器通过网络进行连接。但是我们无法保证网络是一直通畅的，分布式系统需要具有一定的容错性来处理网络故障带来的问题。一个令人满意的情况是，当一个网络因为故障而分解为多个部分的时候，分布式存储系统仍然能够工作。分布式存储系统是指运行在多台计算机之上，之间通过某种方式相互通信从而将集群内所有存储空间资源整合、虚拟化并对外提供文件访问服务的文件系统。通用的数据存储模型通常并不是能提高应用性能的模型。江苏数据分布式存储解决方案
常见的元数据管理可以分为集中式和分布式元数据管理架构。苏州超融合分布式存储控制系统
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。苏州超融合分布式存储控制系统
