存储系统架构：从单机数据库到分布式存储的设计哲学

存储系统的分层架构

现代存储系统的层次从下到上：硬件层（HDD/SSD/NVMe持久化介质）→ 本地文件系统（ext4/XFS/btrfs）→ 单机存储引擎（B+Tree/LSM-Tree数据结构）→ 分布式存储系统（副本一致性、分片均衡）→ 云存储服务（对象/块/文件服务抽象）。

单机存储引擎的数据结构

B+Tree是关系型数据库（MySQL InnoDB、PostgreSQL）的基础数据结构：叶子节点有序链表使得范围查询高效；非叶子节点索引导航让点查平均复杂度为O(log N)。InnoDB通过Redo Log实现崩溃安全（WAL机制），通过Undo Log实现MVCC（多版本并发控制）。

LSM-Tree（Log-Structured Merge-Tree）是写优化的数据结构：写入先到MemTable（内存），MemTable满了转为SSTable（磁盘不可变文件），后台Compaction将多层SSTable合并去重。LevelDB、RocksDB和Cassandra都采用LSM-Tree，适合写多读少的场景。

分布式存储一致性

CAP定理指出一致性、可用性和分区容错三者最多同时满足两个。工程实践中的折衷：Raft共识算法用于CP系统（etcd、TiKV），保证强一致；Dynamo-style Gossip协议用于AP系统（Cassandra、CouchDB），保证最终一致。PACELC定理进一步细化：在分区存在时选择A或C（PA/PC），否则在延迟和一致性之间选择（EL或EC）。

共识算法详解

Raft通过Leader选举、Log复制和安全性约束三个子问题解决了分布式共识。简化理解：同一Term内只有一个Leader；Leader接受请求后AppendEntries到大多数节点后才能Commit；选举限制保证新Leader包含所有Committed Entry。Multi-Raft将数据分片（Range/Shard），每个分片独立运行Raft组，实现水平扩展。

分布式文件系统

HDFS为大数据批处理设计，块大小通常为128MB以优化大数据吞吐量。Ceph通过CRUSH算法实现去中心化的数据分布，RADOS提供强一致的底层对象存储。MinIO作为云原生对象存储，S3兼容且易于部署。

云原生存储

Kubernetes的PV/PVC抽象将存储与计算解耦。CSI（Container Storage Interface）标准化了所有存储驱动。Rook基于Ceph提供云原生统一的块/文件/对象存储。对于有状态工作负载，Local PV（利用本地NVMe SSD）可提供最佳性能。

存储技术的趋势

计算存储（Computational Storage）将计算推向数据所在位置，减少数据搬移开销。PMem/SCM（存储级内存）填补了内存与SSD之间的延迟鸿沟。NVMe-oF实现了NVMe命令的网络扩展，让远程SSD访问接近本地性能。