如果你不喜欢阅读文字的话，可以选择滑到最后看 视频讲解 哟~~~
在上一篇讲解分布式存储特点的文章中，我们得出分布式存储的特点有：
可以看出，存储大数据集需要大量的服务器，而且每台服务器上又会存储成千上万的数据块，那么现在问题又来了，主要有两个问题：
服务器管理
我们先来看第一个问题，第一个问题其实就是对存储数据的所有的服务器的管理，这些服务器的下面这些信息被管理起来：
我们可以通过再引入一台服务器来存储上面的信息，这台服务器我们一般称为 master (主的意思)。那么其他存储数据块的服务器称为 slave (从的意思)。当所有的 slave 服务器启动的时候，将它自己的 IP 地址、磁盘容量情况、健康情况等信息发送给 master 服务器，这样 master 服务器就可以知道：
这样，我们通过引入 master 服务器，解决了所有服务器管理的问题，这种 master-slave 解决问题的模式，我们称为主从模式。
分布式文件
接下来我们看第二个问题，在解决这个问题之前，我们先来看下在一台服务器中的小数据是怎么存储的，一般在一台服务器(不管是 Windows 还是 Linux)上，我们都是会创建一个文件，然后将数据存储在这个文件中，在这里我们需要弄明白的是：
文件的元数据包括：文件名、文件的大小、文件创建的时间、文件修改的时间、文件的权限等信息。
真正的数据是指存储在文件对应的磁盘中的数据。如果想访问磁盘中的数据，我们可以通过文件名来找到数据存储的位置，然后开始读写数据。
以上我们讨论的是小数据集的存储，那么对于大数据集的存储，同样可以将一个完整的大数据集抽象出文件，这个文件同样包含两个部分的数据：元数据和真正的数据。
但是，大数据的存储有自己的特点，那就是数据分块分布式存储在多台服务器，以及数据块需要备份。所以，大数据集对应的文件就有自己的特点了：
一般的话，我们将大数据集对应的文件称为分布式文件。分布式文件对应的真正数据是分成若干个数据块，然后分布式的存储在 多台 slave 服务器中的
分布式文件的元数据包括：文件名、文件的大小、文件的创建时间和修改时间、文件的权限，还有这个文件对应哪些数据块等信息。每个数据块本身也有元数据：数据块的备份数、数据块存储的位置(即这台数据块存储在哪台服务器)
那么分布式文件的元数据该存储在哪里呢？因为这些数据是独立于存储在 slave 上的数据块的，所以这部分元数据信息仍然可以存储在 master 服务器中。
总结
为了解决下面的两个问题：
我们引入了一台 master 服务器，在这台服务器上存储如下的数据：
可以看出，master 服务器上存储的都是元数据信息，所以我们也可以将 master 称为元数据服务器。
综上所述，为了解决对大数据集的存储，我们需要一台 master 服务器和若干台 slave 服务器组成一个主从架构的集群，那么，大数据集被抽象成分布式文件，一个分布式文件的真正数据是被分成若干个数据块分布式的存储在 slave 服务器中，分布式文件的元数据则存储在 master 服务器中。
系统学习大数据技术：