分布式数据存储原理
分布式存储架构通常由三个部分组成：客户端、元数据服务器（协调节点）和数据服务器（数据节点）。其主要流程是：客户端负责发送读写请求，缓存文件元数据和文件数据。元数据服务器（协调节点）管理元数据和处理客户端的请求。数据服务器（数据节点）存放文件数据，保证数据的可用性和完整性。分布式存储主要通过以下几种方式实现：
- 数据分片：在分布式存储系统中，数据被分成多个部分，每个部分存储在不同的数据节点上，以实现数据的分布式存储和管理。这种分片通常使用哈希函数或一致性哈希算法来实现。
- 主备复制：为了提高数据的可靠性和可用性，分布式存储系统通常分为主备节点。每个数据都存储在不同的数据节点上，以确保即使某些节点出现故障，仍然可以从其他节点中恢复数据。
- 数据一致性：确保数据在不同节点之间的一致性是分布式存储系统的关键。为了实现数据同步和管理，分布式存储系统使用数据同步和管理机制，如Paxos算法、Raft算法或ZooKeeper等分布式协调服务。
- 数据访问：在分布式存储系统中，数据可以并行地从多个节点中读取和写入，以提高读写性能和吞吐量。数据访问使用负载均衡机制实现，如分布式哈希表、分布式缓存或分布式文件系统等技术。
通过这种存储方式可实现TeleDB在线扩容能力，在业务无感知的情况下，在线弹性伸缩，提升系统容量和处理能力，以便满足大规模存储应用的需求。
在线扩容能力实现策略
在分布式数据库中，当对其进行扩容并增加节点数后，数据分布的计算逻辑就会导致已经存在的数据无法正常访问。为处理这一变化，我们通常采取以下两种策略来确保数据的均匀分布和高效路由，以维持系统的性能和可用性。
- 哈希槽方式：这种方式通过引入一个中间层，如哈希槽，将数据与节点建立映射关系。每个节点存储分配到本节点的哈希槽信息，进而进行可见性判断。当增加节点时，只需要将新的哈希槽分配给新节点，而不需要移动大量数据。这种方式在增加节点时，影响的数据范围有限，从而降低了数据迁移的成本。
- 一致性哈希：一致性哈希通过将数据和节点都映射到一个哈希环上，当增加或删除节点时，只需要影响环上相邻的节点，从而减少了数据迁移的需求。这种方式在增加节点时，能够分摊已有节点的压力，同时在节点故障时，也能有效地将压力转移到其他节点上。
