大數(shù)據(jù)技術(shù)主要要解決的問題的是大規(guī)模數(shù)據(jù)的計(jì)算處理問題，那么首先要解決的就是大規(guī)模數(shù)據(jù)的存儲(chǔ)問題。大規(guī)模數(shù)據(jù)存儲(chǔ)要解決的核心問題有三個(gè)方面：

數(shù)據(jù)存儲(chǔ)容量的問題，既然大數(shù)據(jù)要解決的是數(shù)以PB計(jì)的數(shù)據(jù)計(jì)算問題，而一般的服務(wù)器磁盤容量通常1-2TB，那么如何存儲(chǔ)這么大規(guī)模的數(shù)據(jù)。

數(shù)據(jù)讀寫速度的問題，一般磁盤的連續(xù)讀寫速度為幾十MB，以這樣的速度，幾十PB的數(shù)據(jù)恐怕要讀寫到天荒地老。

數(shù)據(jù)可靠性的問題，磁盤大約是計(jì)算機(jī)設(shè)備中最易損壞的硬件了，在網(wǎng)站一塊磁盤使用壽命大概是一年，如果磁盤損壞了，數(shù)據(jù)怎么辦？

在大數(shù)據(jù)技術(shù)出現(xiàn)之前，人們就需要面對(duì)這些關(guān)于存儲(chǔ)的問題，對(duì)應(yīng)的解決方案就是RAID技術(shù)。

[[235495]]

從RAID說起

RAID（獨(dú)立磁盤冗余陣列）技術(shù)主要是為了改善磁盤的存儲(chǔ)容量，讀寫速度，增強(qiáng)磁盤的可用性和容錯(cuò)能力。目前服務(wù)器級(jí)別的計(jì)算機(jī)都支持插入多塊磁盤（8塊或者更多），通過使用RAID技術(shù)，實(shí)現(xiàn)數(shù)據(jù)在多塊磁盤上的并發(fā)讀寫和數(shù)據(jù)備份。

常用RAID技術(shù)有以下幾種，如圖所示。

假設(shè)服務(wù)器有N塊磁盤。

RAID0

數(shù)據(jù)在從內(nèi)存緩沖區(qū)寫入磁盤時(shí)，根據(jù)磁盤數(shù)量將數(shù)據(jù)分成N份，這些數(shù)據(jù)同時(shí)并發(fā)寫入N塊磁盤，使得數(shù)據(jù)整體寫入速度是一塊磁盤的N倍。讀取的時(shí)候也一樣，因此RAID0具有極快的數(shù)據(jù)讀寫速度，但是RAID0不做數(shù)據(jù)備份，N塊磁盤中只要有一塊損壞，數(shù)據(jù)完整性就被破壞，所有磁盤的數(shù)據(jù)都會(huì)損壞。

RAID1

數(shù)據(jù)在寫入磁盤時(shí)，將一份數(shù)據(jù)同時(shí)寫入兩塊磁盤，這樣任何一塊磁盤損壞都不會(huì)導(dǎo)致數(shù)據(jù)丟失，插入一塊新磁盤就可以通過復(fù)制數(shù)據(jù)的方式自動(dòng)修復(fù)，具有極高的可靠性。

RAID10

結(jié)合RAID0和RAID1兩種方案，將所有磁盤平均分成兩份，數(shù)據(jù)同時(shí)在兩份磁盤寫入，相當(dāng)于RAID1，但是在每一份磁盤里面的N/2塊磁盤上，利用RAID0技術(shù)并發(fā)讀寫，既提高可靠性又改善性能，不過RAID10的磁盤利用率較低，有一半的磁盤用來寫備份數(shù)據(jù)。

RAID3

一般情況下，一臺(tái)服務(wù)器上不會(huì)出現(xiàn)同時(shí)損壞兩塊磁盤的情況，在只損壞一塊磁盤的情況下，如果能利用其他磁盤的數(shù)據(jù)恢復(fù)損壞磁盤的數(shù)據(jù)，這樣在保證可靠性和性能的同時(shí)，磁盤利用率也得到大幅提升。

在數(shù)據(jù)寫入磁盤的時(shí)候，將數(shù)據(jù)分成N-1份，并發(fā)寫入N-1塊磁盤，并在第N塊磁盤記錄校驗(yàn)數(shù)據(jù)，任何一塊磁盤損壞（包括校驗(yàn)數(shù)據(jù)磁盤），都可以利用其他N-1塊磁盤的數(shù)據(jù)修復(fù)。

但是在數(shù)據(jù)修改較多的場景中，任何磁盤修改數(shù)據(jù)都會(huì)導(dǎo)致第N塊磁盤重寫校驗(yàn)數(shù)據(jù)，頻繁寫入的后果是第N塊磁盤比其他磁盤容易損壞，需要頻繁更換，所以RAID3很少在實(shí)踐中使用。

RAID5

相比RAID3，更多被使用的方案是RAID5。

RAID5和RAID3很相似，但是校驗(yàn)數(shù)據(jù)不是寫入第N塊磁盤，而是螺旋式地寫入所有磁盤中。這樣校驗(yàn)數(shù)據(jù)的修改也被平均到所有磁盤上，避免RAID3頻繁寫壞一塊磁盤的情況。

RAID6

如果數(shù)據(jù)需要很高的可靠性，在出現(xiàn)同時(shí)損壞兩塊磁盤的情況下（或者運(yùn)維管理水平比較落后，壞了一塊磁盤但是遲遲沒有更換，導(dǎo)致又壞了一塊磁盤），仍然需要修復(fù)數(shù)據(jù)，這時(shí)候可以使用RAID6。

RAID6和RAID5類似，但是數(shù)據(jù)只寫入N-2塊磁盤，并螺旋式地在兩塊磁盤中寫入校驗(yàn)信息（使用不同算法生成）。

在相同磁盤數(shù)目（N）的情況下，各種RAID技術(shù)的比較如下表所示。

RAID技術(shù)有硬件實(shí)現(xiàn)，比如專用的RAID卡或者主板直接支持，也可以通過軟件實(shí)現(xiàn)，在操作系統(tǒng)層面將多塊磁盤組成RAID，在邏輯視作一個(gè)訪問目錄。RAID技術(shù)在傳統(tǒng)關(guān)系數(shù)據(jù)庫及文件系統(tǒng)中應(yīng)用比較廣泛，是改善計(jì)算機(jī)存儲(chǔ)特性的重要手段。

RAID技術(shù)只是在單臺(tái)服務(wù)器的多塊磁盤上組成陣列，大數(shù)據(jù)需要更大規(guī)模的存儲(chǔ)空間和訪問速度。將RAID技術(shù)原理應(yīng)用到分布式服務(wù)器集群上，就形成了Hadoop分布式文件系統(tǒng)HDFS的架構(gòu)思想。