1.5.4 常见分布式存储系统

本节将着重介绍几个在实际生产环境中经常用到的分布式存储系统，而像Cassandra这样常见的键值存储系统，我们也会在后续的编程实战章节中使用到。

1．Hbase

HBase是一款面向列的开源分布式数据库。其实就是Google的BigTable的开源实现，是Hadoop的一个子项目，是专门用于存储非结构化数据的数据库。面向列数据库的逻辑模型前文已经介绍过，这里不再阐述。

HBase也是一个主从式的存储系统。其系统架构由以下几部分组成。

1）Zookeeper：一个独立的集群协调项目，用在许多项目之中，可以简化集群协调管理。

2）HMaster：整个集群的控制者，负责管理用户的增删改查，管理HRegionServer的负载均衡。同时若HRegionServer失效，负责进行失效方的资源迁移。此外，由于HBase使用了Zookeeepr的首领枚举功能，且启动后会启动多个HMaster，因此可以避免单点故障问题。

3）HRegionServer：相当于集群中的数据节点，负责相应用户I/O请求，并向HDFS中写入数据。

此外，正如BigTable将实际数据存储在GFS上一样，HBase将其数据存放在HDFS上，这样就可以简化数据的分布式存放问题。

2．Cassandra

Cassandra不同于其他的存储系统，它是一个全分布式的数据库系统。它是一款混合型的非关系型数据库。其基础是Amazon的Dynamo，在此基础上融合了Google BigTable的列族数据模型。同时又采用P2P的模型实现集群去中心化。Cassandra是一个在生产环境中广泛使用的分布式存储系统。在本书的后续实战中，将会使用Cassandra作为存储系统。

相比于HBase, Cassandra有以下几个特点。

1）模式灵活：HBase中所有数据都是二进制存储，而Cassandra则模仿一些面向文档的存储系统，支持一些基本类型，同时又采取列族的方式，便于扩展模式。

2）无单点故障：由于Cassandra去中心化，并不会像有些主从系统那样主节点宕机导致整个集群不可使用。

3）可扩展性好：由于Cassandra是全分布式系统，因此可以进行简单的水平扩展，方便扩大集群规模。

3．MongoDB

MongoDB是一种面向文档的非关系型数据库，也就是说，在MongoDB中每条记录就是一个文档，文档之间独立存储，而且可以很好地和面向对象的设计相结合，无须像关系型数据库那样手动封装SQL。此外，这种松散的存储形式便于系统实现分布式存储查询。

MongoDB使用BSON作为数据存储格式，这是一种类JSON的二进制存储协议。MongoDB利用这种协议实现了高效的数据读写性能。

MongoDB由于是面向文档的数据库，因此相对来说模式自由，同时又支持大量的基本数据类型，相对于其他的NoSQL数据库而言又有强大的查询功能，因此在当今需求变化迅速、对并发要求较高的互联网市场，是非常合适的产品。现在也成为最热门的NoSQL数据库之一。