Rsync和FastDFS

在做分布式文件存储的时候，常常用到两个工具，Rsync和FastDFS；这两者本质的区别在于前者的实时性相面相对较差，需要手工编写脚本同步，然后在放到定时任务（cron）中；FastDFS自动实现同组内机器互备；

Rsync架构

Rsync分为客户端和服务器端，客户端主要负责和服务器通信，获取最新的文件；这里的机制和FastDFS有区别，因为没有实时性，所以Rsync在同步的时候，会将服务器端所有的文件都比对一遍，发现有变化才会将变化的文件同步过来，如果添加了—delete指令，还会将服务器端删除的文件在客户端也删除；FastDFS因为是实时同步的，所以只要有变化，便会通知各个组内的服务器进行同步，所以他的更新机制不是逐个比对，同步的效率会更高；

客户端只有一个配置文件：rsyncd.secrets（文件名和路径可以自定义，因为是需要客户端执行的时候作为参数传递的），这个配置文件配置了登录的密码（只有密码），用户名是在指定的时候通过参数指定的；

服务器端有三个配置文件：

Rsyncd.conf：核心的配置文件，这里面配置了监听的ip以及port，allow/deny host（客户端IP），log info，file block（提供同步的文件信息）以及ref files info（下面将要提到的security以及motd文件）；
Rsyncd.security：里面定义了user/pwd键值对，用于验证连接的客户端身份；可以定义多个；
Rsync.motd：这个文件就是定义客户端连接服务器端的时候，显示的友好文字，可以清空或者自定义一些文字；

有一点需要注意，就是需要服务器点打开873端口（默认Rsync监听端口）

iptables -A INPUT -p tcp -m state --state NEW -m tcp --dport 873 -j ACCEPT

FastDFS

FastDFS是我国的淘宝工程师开发的，是属于轻量级的分布式文件系统；实现物理存储的水平扩展，他和HDFS最大的差别在于并不会对文件进行切割（切片存储），所以比较适用于小文件的存储；FastDFS里面有两个核心组件：Tracker Server以及Storage Server，前者用于记录文件索引，后者用于存储文件；tracker server和storeage Server是松散耦合，如果是扩容物理存储，只要增加一台机器，配置称为storage Server，指向一台Tracker server，Tracker Server就会记录新增容的服务器；因为storage将会根据配置的tracker ip以及端口，向Tracker服务器发送通知，I'm in！

一个storage server里面可以包含N个Group，每个Group里面可以包含N个Storage，每个Storage都是一个存储空间，同一个组内的Storage是互相备份关系，上面也提到了，是那种增量式的备份；一个新的storage首次和tracker通信：

tracker首先会将storage Server List同步给new storage，然后在给其他old storage发送最新的列表，这样完成了新列表全group内通知，并设置new storage状态为FDFS_STORAGE_STATUS_INIT；
接着，tracker将会指定一个old Storage服务器与之同步，并同时这是new storage状态为FDFS_STORAGE_STATUS_WAIT_SYNC（如果没有文件需要更新，设置为FDFS_STORAGE_STATUS_ONLINE），一次性将所有的文件同步到new storage上面，同步完毕后，状态将会设置为FDFS_STORAGE_STATUS_ONLINE；
同步数据完毕后，new storage首次发送心跳给tracker server的时候，tracker server会将其状态设置为FDFS_STORAGE_STATUS_ACTIVE；
一个Group的存储空间是这一组机器中存储容量最小的那台机器；访问流程是客户端配置为访问一台Tracker，有这台Tracker来负责跟进文件名来确定分配那一台机器给客户单使用，客户端再向返回的storage server发送文件请求；但是安全性需要考虑；

当你需要获取/上传一个文件的时候，首先和tracker进行通信（上传不需要参数，下载需要提供文件名称，这个文件名称是当初上传的时候有FastDFS生成的），tracker中选择一个可用的storage返回，然后你在和这个storage服务器通信获取文件。