笔记都写在ipad上啦！只能拍个图纪念一下了。

gfs.jpeg

补充

1.因为只有一个master所以只能在一个数据中心运行，理论上可以跨机房，但更复杂。

2.master 会在本地磁盘存储 log，而不是存到数据库，原因是：数据库的本质是某种 B 树或者 hash table，相比之下，追加 log 会非常高效；而且，通过在 log 中创建一些 checkpoint 点，重建状态也会更快

3.教授提到client会从最近的chunkserver获取数据。怎么判断最近呢？（google的数据中的io地址是连续的随意可以从ip地址的差异判断网络位置的远近）

4.如果一个读请求跨越了一个chunk的边界怎么办。client会通过一个库给gfs发一个rpc，这个库将这个读请求拆成两个再发给master。

5.如果写文件都请求master的话。master会成为性能瓶颈。master找到拥有该chunk的chunkserver,并给其中一个chunkserver授予租约，拥有租约的chunkserver被称为Primary，其他的叫Secondary（chunk一般有三个副本）。租约短期有效（一般为60秒），对chunk的读写都由primary负责。

6.client将追加发送到所有的chunkserver，chunkserver先将数据写到lru缓存中，一旦client确认每个chunkserver都收到了数据，client向primary发送写请求，primary会将这些操作顺序写入本地。primary写完secondary开始写，全部写完primary应答客户端。全成功才算成功。如果失败client会发送请求重试。

7.gfs不是强一致性所以失败重试后会有重复数据。

如果没看过gfs的论文还是直接看这篇吧。我这是只是单纯的学习记录。
参考：https://zhuanlan.zhihu.com/p/354450124