Google File System阅读笔记

今天应着《大数据与人工智能》选修课老师的要求阅读了谷歌大数据三篇重要论文的其中一篇“Google File System“，想着要阅读一篇和本专业八杆子打不着的专业论文，我的内心是迷茫的，感觉和阅读无字天书没什么区别，在阅读完摘要和简介后，”嗯，还行，目前为止还看得懂它在讲啥”我是这么想的，但到了第二节后，意料到的问题还是出现了，“API 接口函数”、“Master 节点”、“Chunk 服务器”等这些专业名词的意思完全就是一头雾水，阅读难度直线上升。没办法，只能应着头皮上了，实在不懂还有“万能”的百度帮我理解一些难懂的词语和句子呢。

Google GFS文件系统是一个面向大规模数据，使用许许多多的廉价的服务器拼装而成的一种文件系统，为大量用户提供高性能服务。为什么不使用性能更好但是昂贵的“高端”服务器而选择用很多的性能低下甚至老旧的“草根”服务器呢？首先是价格因素，也就是省钱，非常现实的优点，我可以花更少的钱搭建文件系统那我肯定有更高的收入。其次是它的容错性，GFS允许它的服务器组件发生故障，因为这是一个常态事件，成百上千的廉价设备组装成的储存机器，再被相当数量的客户访问，想要不发生故障是不现实的，但由于是数以千计的廉价机器组成的系统，大大降低了其修理花费，所以GFS允许这样的事故发生。GFS对文件的操作是追加数据，而不是修改覆盖原有数据。这大大减轻了设备系统的负担，由一台机器生成、另外一台机器处理的中间数据，这些中间数据的处理可能是同时进行的、也可能是 后续才处理的，如果允许加以修改这些数据，操作就会变得繁琐，不符合系统设计之初的基本目的。GFS主要是为了追加而不是改写而设计的。GFS数据追加以记录为单位，每个记录的大小为几十KB到MB不等，如果每次记录追加需要请求主服务器，那么主服务器的性能就无法支撑整个文件系统。因此，GFS系统中通过租约机制将大量操作授权给所属的小服务器，这样的租约机制就解决了主服务器的性能瓶颈问。

以上就是现在的我对Google GFS系统的粗略理解，理解有误的地方应该会有很多，以后会多多学习，加深自己对其的理解。