什么是存储计算分离架构？

1.背景

首先我们谈谈Hadoop的背景，说到Hadoop起源，就离不开Google的三辆马车：Google File System、MapReduce和BigTable，分别说了分布式文件系统、分布式计算MR和分布式结构化存储系统

• MapReduce论文翻译：MR链接
• Google file system论文翻译：gfs链接
• bigtable论文翻译：bigtabel链接

Hadoop从2005年提出，采用的是存储计算耦合的架构，Hadoop将所有的计算（如：mapreduce、spark）和存储（如：hdfs）耦合部署在同一个机器上，当时不能采取存储计算分离的原因是：计算存储放一块可以避免很大的网络IO开销。
而2009年~至今，这十年的时间，网络性能从当时的百兆网卡100Mb增长到了万兆网卡10Gb， 网络带宽提升了100倍，而同期的磁盘HDD整体的性能没有发生太大变化， 各种高效的压缩算法和面向列的存储格式也进一步减少了IO数据量，大数据的瓶颈从IO变成了CPU

2.存储计算耦合存在的问题？

在拓展集群节点时，由于两者的耦合，存储和计算是同时变化的，而在真实的业务场景里，不同时段对存储和计算的需求不是相当的，对它们的需求也是弹性变化的， 绑定两者进行拓展的收缩，会造成资源的浪费，不满足云计算中的elastic性质

3.存储计算分离

哲学里面有句话叫“新事物总有取代旧事物的性质的趋势”，随着社会的发展（IO优化、网络性能的提高），和一些新的需求的提出（资源弹性、可伸缩），和旧事物的种种弊端（资源浪费）
出现了存储和计算分离的架构，这是一种架构思想，存储计算分离架构可以让大数据集群充分利用资源，可弹性拓展，更灵活，更符合云计算的特性