大數據技術主要要解決的問題的是大規模數據的計算處理問題，那么首先要解決的就是大規模數據的存儲問題。大規模數據存儲要解決的核心問題有三個方面：

數據存儲容量的問題，既然大數據要解決的是數以PB計的數據計算問題，而一般的服務器磁盤容量通常1-2TB，那么如何存儲這么大規模的數據。

數據讀寫速度的問題，一般磁盤的連續讀寫速度為幾十MB，以這樣的速度，幾十PB的數據恐怕要讀寫到天荒地老。

數據可靠性的問題，磁盤大約是計算機設備中最易損壞的硬件了，在網站一塊磁盤使用壽命大概是一年，如果磁盤損壞了，數據怎么辦？

在大數據技術出現之前，人們就需要面對這些關于存儲的問題，對應的解決方案就是RAID技術。

[[235495]]

從RAID說起

RAID（獨立磁盤冗余陣列）技術主要是為了改善磁盤的存儲容量，讀寫速度，增強磁盤的可用性和容錯能力。目前服務器級別的計算機都支持插入多塊磁盤（8塊或者更多），通過使用RAID技術，實現數據在多塊磁盤上的并發讀寫和數據備份。

常用RAID技術有以下幾種，如圖所示。

假設服務器有N塊磁盤。

RAID0

數據在從內存緩沖區寫入磁盤時，根據磁盤數量將數據分成N份，這些數據同時并發寫入N塊磁盤，使得數據整體寫入速度是一塊磁盤的N倍。讀取的時候也一樣，因此RAID0具有極快的數據讀寫速度，但是RAID0不做數據備份，N塊磁盤中只要有一塊損壞，數據完整性就被破壞，所有磁盤的數據都會損壞。

RAID1

數據在寫入磁盤時，將一份數據同時寫入兩塊磁盤，這樣任何一塊磁盤損壞都不會導致數據丟失，插入一塊新磁盤就可以通過復制數據的方式自動修復，具有極高的可靠性。

RAID10

結合RAID0和RAID1兩種方案，將所有磁盤平均分成兩份，數據同時在兩份磁盤寫入，相當于RAID1，但是在每一份磁盤里面的N/2塊磁盤上，利用RAID0技術并發讀寫，既提高可靠性又改善性能，不過RAID10的磁盤利用率較低，有一半的磁盤用來寫備份數據。

RAID3

一般情況下，一臺服務器上不會出現同時損壞兩塊磁盤的情況，在只損壞一塊磁盤的情況下，如果能利用其他磁盤的數據恢復損壞磁盤的數據，這樣在保證可靠性和性能的同時，磁盤利用率也得到大幅提升。

在數據寫入磁盤的時候，將數據分成N-1份，并發寫入N-1塊磁盤，并在第N塊磁盤記錄校驗數據，任何一塊磁盤損壞（包括校驗數據磁盤），都可以利用其他N-1塊磁盤的數據修復。

但是在數據修改較多的場景中，任何磁盤修改數據都會導致第N塊磁盤重寫校驗數據，頻繁寫入的后果是第N塊磁盤比其他磁盤容易損壞，需要頻繁更換，所以RAID3很少在實踐中使用。

RAID5

相比RAID3，更多被使用的方案是RAID5。

RAID5和RAID3很相似，但是校驗數據不是寫入第N塊磁盤，而是螺旋式地寫入所有磁盤中。這樣校驗數據的修改也被平均到所有磁盤上，避免RAID3頻繁寫壞一塊磁盤的情況。

RAID6

如果數據需要很高的可靠性，在出現同時損壞兩塊磁盤的情況下（或者運維管理水平比較落后，壞了一塊磁盤但是遲遲沒有更換，導致又壞了一塊磁盤），仍然需要修復數據，這時候可以使用RAID6。

RAID6和RAID5類似，但是數據只寫入N-2塊磁盤，并螺旋式地在兩塊磁盤中寫入校驗信息（使用不同算法生成）。

在相同磁盤數目（N）的情況下，各種RAID技術的比較如下表所示。

RAID技術有硬件實現，比如專用的RAID卡或者主板直接支持，也可以通過軟件實現，在操作系統層面將多塊磁盤組成RAID，在邏輯視作一個訪問目錄。RAID技術在傳統關系數據庫及文件系統中應用比較廣泛，是改善計算機存儲特性的重要手段。

RAID技術只是在單臺服務器的多塊磁盤上組成陣列，大數據需要更大規模的存儲空間和訪問速度。將RAID技術原理應用到分布式服務器集群上，就形成了Hadoop分布式文件系統HDFS的架構思想。