📚 课程目录第2章分布式存储基础概念与高频面试题

第2章分布式存储基础概念与高频面试题

本章聚焦面试中最常被考核的三个基础维度：存储模型、IO路径、元数据管理，并拆解面试官设置的常见陷阱。掌握本章可系统回答“请描述一个分布式存储系统的核心架构”类问题。

面试官考察点	能否清晰区分块、文件、对象存储的核心差异，以及CAP理论在模型选择中的影响。
回答框架	先分类定义→对比典型代表→关联CAP取舍→给出选型建议。
示例回答	块存储（如Ceph RBD）提供裸盘接口，适合数据库；文件存储（如NFS）共享目录，适合传统应用；对象存储（如S3）通过HTTP访问，适合海量非结构化数据。三者分别侧重低延迟、POSIX兼容、扩展性，需配合CAP权衡。
可能追问	为什么对象存储通常选用最终一致性？Ceph如何同时支持三种模型？
避坑提醒	❌ 只背概念不提CAP；❌ 混淆文件存储和对象存储的语义差异。

面试官考察点	是否理解路由、副本、网络通信、落盘等关键环节，以及延迟瓶颈点。
回答框架	客户端发送请求→前端/代理路由→定位目标节点→副本写入/读取→数据校验与确认→返回客户端。
示例回答	以三副本写为例：客户端计算hash找到主副本，主副本同步写入本机并转发给两个从副本，等待至少一个从副本确认后返回成功。读操作则从主副本或最近副本读取，确保一致性。
可能追问	如果主副本宕机，读请求如何处理？如何优化跨机架IO延迟？
避坑提醒	❌ 忽略一致性级别差异（强一致vs最终一致）；❌ 遗漏多副本写冲突场景。

面试官考察点	是否掌握元数据的一致性、可用性、扩展性矛盾，以及实际工程方案。
回答框架	点明挑战（强一致vs性能）→对比集中式（如MDS）与分布式（如基于Raft的元数据集群）→举例说明。
示例回答	核心挑战是单点瓶颈与一致性维护。常见方案：① 集中式MDS（如GFS）简单但单点风险；② 分布式元数据集群（如Ceph MDS）使用动态子树分区，配合Raft保证一致性；③ 完全去中心（如Dynamo）通过DHT和版本向量。
可能追问	如何解决元数据热点（如推特百万级文件创建）？元数据与数据分离带来的额外开销？
避坑提醒	❌ 只提理论不谈工程权衡；❌ 误以为所有系统都使用一致性hash管理元数据。

项目名称	千亿级用户行为画像存储系统
业务背景	电商平台需存储50亿用户、每天300TB行为日志，对外提供毫秒级画像查询，原有HBase集群面临读写放大和成本过高问题。
规模指标	集群30节点（每节点128TB HDD+31TB NVMe），总存储容量约2.8PB，日均读写IOPS 15万，P99延迟<50ms。
技术栈	Ceph（Nautilus 14.2）作为底层存储，客户端嵌入librados，缓存层使用Redis Cluster，元数据通过Ceph MDS（多活配置）。
核心难点	① 对象存储下如何保证画像更新的事务性？② 海量小文件（平均4KB）对元数据压力极大；③ 跨AZ容灾时副本一致性与延迟矛盾。
面试高频追问	为什么选择Ceph而非其他方案？如何解决MDS元数据热点？小文件合并策略具体怎么设计？跨AZ写入如何避免脑裂？
可迁移回答话术	“我们通过Ceph的PG来隔离元数据热点，并利用MDS动态子树分区将活跃目录分散到多个MDS节点。针对小文件，设计合并线程将连续日志打包成4MB大对象，同时保留索引文件实现随机读取。跨AZ场景使用CRUSH map手动控制故障域，并采用同步写+异步修复策略平衡性能与一致性。”

    💡 面试加分点： 在回答任何基础概念问题时，主动关联实际项目中的取舍（如“我们曾经在元数据热点上踩过坑，最后通过……”），展示从理论到工程的迁移能力。

📌 复习提示： 建议对照本章三个问答卡片，准备自己的“项目替换版”示例，用你实际经历的系统替换Ceph类库细节，保持框架不变。

第2章 分布式存储基础概念与高频面试题