（开源）云文件系统在顶部运行数据库？

两个字：愚蠢的想法。 这就像是问“用40吨卡车赢得配方奶粉的最佳方式是什么”。 分布式文件系统和数据库存储系统之间的devise原则是正交的 – 它们的目标完全不同。 实际上，大多数正确的数据库将尝试生活在一个文件中 – 所以它们最终在一个（不受控制的）节点（每个文件）。

对于需要定义IO性能的数据库，严格优化的延迟 – 您会执行大量非常重要的IO操作。 实际上，更大的数据库存储系统是围绕IOPSdevise的 – 每秒IO操作 – 优化延迟。 存储容量通常不是关键 – 在SSD购买之前，您购买的光盘不是主要用于空间，而是用于IO性能。 我曾经有一次有机会使用一个数据库在一个SAN中分发超过190张光盘 – 因为它需要hibernateIO性能。 光盘不是特别满。

对于分布式文件系统，您希望易于pipe理，位置透明，专注于存储大小而不是定义的IO性能。 实际上，您不能保证IO性能达到足够好的水平，因为您将得到一个非常不可靠（如：可以改变）的基础架构。 您依赖于caching来处理许多部分的性能，这与数据库本身是多余的，在适当的优化数据库情况下不起作用。

一辆是40吨的搬运物品的卡车，另一辆是高度调配的一辆车。 你不会让他们进入同一条船，因为他们是根据不同的假设devise的。

除非你在节点之间有很大的带宽，否则我不认为这是会飞的。

例如，您可以使用drbd设置一个分布式块设备，然后在几个盒子上运行RAID设置，将FS安装在单个节点上并运行数据库服务器。 但是除非你有局域网级别的通信性能，否则性能将会非常糟糕。

你在你的数据库中存储哪些不适合单个服务器？ 购买多个盒子与一个大型服务器真的比较便宜吗？

你看过分片吗？

你是否在你的数据库中存储文件？ 如果你是，你能把它们分开吗？

这取决于你正在谈论的数据库的types。

如果你正在寻找一个像MySQL或PostgreSQL这样的基于SQL的数据库，那么你就会吠叫错误的树（有几个有趣的例外，见下文）。

如果你想要运行像Cassandra或HBase这样的关键价值商店，请继续阅读。 当分区algorithm保持顺序时，您可以执行类似于在SQL中可以执行的操作的操作，除了必须手动进行连接，并且您可以利用map-reduce实现聚合和更复杂的分析任务（取决于在数据库平台上），可能在像Pig和Hive这样的项目的帮助下。

对于Cassandra，您不需要特定的文件系统。 同样，如果你需要运行查询并且有类似于索引的东西，那么你会想要使用一个保留顺序的分区algorithm。

对于HBase，您需要使用HDFS作为基础FS。 HyperTable用于在HDFS或KFS下工作; 现在，我没有看到任何关于KFS的提及，但我也看到了一些能够像Cassandra一样独立工作的东西。 我不太确定在HyperTable上进行分区和sorting，但是我知道HBase默认情况下按顺序存储logging并支持索引。

现在有趣的例外。

有一个名为Hadoop DB的项目，它将PostgreSQL与Hadoop集成在一起，并且可能会根据您所要做的事情来满足您的需求。

还有一个疯狂的想法，就是为MySQL编写一个存储引擎，与上面的系统之一进行交互。 数据存储，索引和检索将成为你的工作，MySQL的一方将为你完成连接和聚合等。 如果您select支持交易，您还需要协调交易。 这意味着你可以有多个负载平衡的MySQL服务器与一个庞大的HBase群集通话。 唯一缺less的是能够推出map-reduce任务，以便对数据集的大部分进行聚合和分析，从而提高效率。 但是您可以在MySQL之外定期执行此操作，并将分析结果存储在另一个可以使用MySQL查询的表中，具体取决于您的需要。

一个相对简单的方法是在像Linode这样的供应商处创build一个虚拟机安装。 他们提供大多数Linux发行版的预装版本。

在LVM下pipe理您的存储。 如果您需要更多的存储空间，供应商可以为您添加它 – 只需让LVM将其他卷添加到卷组。

你使用哪个文件系统是一个单独的问题。