對於分布式檔案系統來說，為了保證資料的高可用性和系統容錯能力，往往會把同一資料塊在多個節點上進行備份，那麼如何分配這些複製資料的位置，不同的檔案系統會有不同的策略。
在介紹hdfs之前，先簡單了解一些其它檔案系統的放置策略：
對於不同的資料備份，需要放到不同的節點上面，一種直觀的想法就是利用hash函式，這樣可以把每個備份id對應到乙個雜湊值，然後再將這個雜湊值與某個節點對應起來，就完成了乙個資料備份的分配。這樣做在時間複雜度上只有o(1)，所以是極好的。但是很多雜湊函式有乙個問題，就是不穩定。這裡所謂的不穩定是指，當節點個數發生變化的時候，原來被分配到節點k上的資料備份可能就會被分配到另乙個節點上。舉個例子，常用的雜湊函式為：hash(x) = x % n，其中n為節點個數，x為備份id，這樣當集群中節點出現故障或者擴充套件新的節點時，原來的計算的雜湊值幾乎全都變了，那麼對於整個系統中的資料訪問來說，無疑是乙個災難，因為訪問位置全都得改變，並且需要重新遷移資料。
那麼有沒有可能在n變化的侯，原有資料備份的雜湊值不改變呢？這就是一致性雜湊的優勢所在。
一致性雜湊的原理可以這麼理解：原來雜湊是用x%n，現在是用x%s且n%s，這裡的s表示雜湊函式本身可以表示的雜湊值範圍，比如它的範圍是0～2^32 - 1，那麼s=2^32。見下圖：
如果按照圖1這種分配方式，一旦出現data nodes個數變化的情況，原來的分配位置幾乎都得改變（例如使用取模的雜湊函式）；
圖2展示的方式，如果選取的雜湊函式取值範圍在0到2^32 - 1之間（hash range），那麼我們可以同時把data blocks和data nodes同時雜湊到這個範圍裡面，這些nodes會把hash range劃分為若干區域，規定每個node儲存與其相鄰的前乙個區域中的blocks，從而完成資料的分配。這種方式的好處在於，即使出現data nodes數量變化的情況，也不會影響其它nodes和blocls的位置情況，最多是在被刪除節點或者新增節點的附近進行調整，比如將原有區域中的blocks進一步劃分或者合併。
細心的讀者可能會發現，圖2展示的方式中，三個nodes將hash range分為了4個區域，顯然不方便分配，所以提出一致性雜湊環的概念，即將hash range的首位相連，然後在乙個環路上面進行劃分，n個nodes一定能夠劃分出n個區域，然後讓每個node儲存前乙個相鄰區域即可。
一致性雜湊環很好地解決了資料分配與集群擴充套件的問題，但是它還有乙個效能的瓶頸，那就是需要乙個中心節點負責儲存整個集群的元資料資訊，對新增的資料進行分配，在使用者查詢時提供資料分布的位置。這些工作處理的效能直接影響整個系統的處理速度，而且可能還會帶來spof。一種可行的辦法是對這些中心節點進行備份，或者乾脆用乙個分布式hash表代替乙個中心節點，雖然能夠避免spof，但是隨之而來的又是資訊同步和一致性維護等問題。
上圖簡單說明了ceph資料放置的過程，對於需要儲存的物件，首先雜湊到place group，然後再通過crush演算法找到需要存放資料的具體osd。crush在執行過程中還是需要一些全域性資訊的，這些資訊在被稱作分層集群對映（hierarchical cluster map），這些資訊主要是用來描述集群的組成和搭建，它們存放在一些monitors的節點上面。對於每個storage client和osd而言，它們可以利用hierarchical cluster map、放置規則等資訊計算資料的位置。相比與原來中心節點的策略，crush的計算負擔分發給了每個osd。
關於crush的詳細介紹，可以參考**：crush: controlled, scalable, decentralized placement of replicated data
對於hdfs而言，由namenode負責這個集群的資料備份和分配，在分配過程中，主要考慮下面兩個因素：
這兩個因素看起來是有些相互矛盾的：想要保證資料安全，那麼就盡量把資料備份到多台節點上，但是就需要向多個節點傳輸資料；想要減少網路傳輸開銷，那麼就盡可能把資料備份到乙個節點內部或者乙個機架內部，因為系統內部的資料傳輸速度會遠大於網路傳輸的速度。
上圖展示了hdfs中namenode和datanode的角色，namenode中儲存了所有資料備份的位置資訊。
上圖展示了hdfs中的rack（機架）概念，乙個rack內部資料傳輸速度遠大於rack之間的傳輸。對於每個資料備份，比如a要放在rack1中，在寫入hdfs時首先會在rack1中建立乙個備份，同時在另乙個rack2中也建立乙個備份。這樣做在一定程度上兼顧了資料安全和網路傳輸的開銷。
hadoop學習筆記（HDFS）
hdfs的設計基礎與目標 1 硬體錯誤是常態，因此需要冗餘。2 為大資料而生，流式讀寫，批量讀取而非隨機讀寫。擅長資料分析而不是事務處理。3 大規模資料集。4 一次寫多次讀邏輯設計，即一旦寫入，只能讀，不能修改。5 程式才用 資料就近 原則分配節點執行。hdfs的可靠性 冗餘副本策略 機架策略 心跳...
hadoop學習 HDFS詳細學習
1 hdfs概念 hadoop distributed file system，簡稱hdfs，是乙個分布式檔案系統。hdfs是高容錯性的，可以部署在低成本的硬體之上，hdfs提供高吞吐量地對應用程式資料訪問，它適合大資料集的應用程式。2 hdfs 設計目標 hdfs不適合做什麼 儲存小檔案 大量隨機...
Hadoop學習 HDFS資料儲存和刪除
hdfs中的資料都是分塊儲存的，預設塊大小為64m，這個值可以從hdfs配置檔案中更改dfs.blocksize。這樣分快處理的好處是可以增加讀取資料的吞吐量，因為可以同時從讀取檔案的不同分塊。在客戶端想hdfs寫資料的過程中，主要分為下面幾個過程 客戶端將資料快取到本地的乙個臨時檔案中 當這個本地...