前段時間在使用百度網(wǎng)盤時，突然發(fā)現(xiàn)百度網(wǎng)盤可以免費領(lǐng)取 2TB 空間啦！

　　網(wǎng)絡(luò)硬盤大家可能都或多或少的接觸過，不得不說在萬物皆云的時代里，這是一種非常好的網(wǎng)絡(luò)工具，而對我們這種窮到掉渣的免費用戶來說，硬盤空間簡直就是硬傷，剛開始使用的時候真是為了空間，各種折騰（做他那里所謂的任務(wù)），到頭來也才擴充了 5G 左右。現(xiàn)在好了，隨隨便便、輕輕松松就有了 2T 的空間。

　　而這突如其來的 2T 空間是如何實現(xiàn)的呢？

　　事實是這樣滴！

　　假如我想要為每個用戶提供 1G 的網(wǎng)絡(luò)存儲空間。

　　如果服務(wù)器上有一顆 1000G 的硬盤可以全部為用戶提供數(shù)據(jù)儲存，如果每個用戶分配 1G 的最大儲存空間，那么能分配給多少個用戶使用呢？

　　你一定說是 1000/1=1000 個用戶。

　　但是事實上你這么分配了，你會發(fā)現(xiàn)每個用戶平時根本不會上傳 1G 的東西將容量占的滿滿的，有多有少，但平均用戶平時只上傳 50M 的文件，也就是說，如果你將 1000G 的硬盤分給 1000 個人使用，但只有效利用了其中的 50M*1000=50G 的空間，剩余 950G 的空間基本都完全浪費了。

　　那么怎么解決呢？

　　你可以變通一下，將這 1000G 的空間分配給 20000 個用戶使用，每個人的上傳上限容量還是 1G，但每人平時還是平均上傳 50M 的數(shù)據(jù)，那么 20000*50M=1000G，這下子就把寶貴的服務(wù)器上的存儲空間充分利用了。但你又怕這樣分配給 20000 個人后，萬一某一刻人們突然多上傳點數(shù)據(jù)，那么用戶不是就覺察出來你分給人家的 1G 空間是假的了嗎？所以可以不分配那么多人，只分配給 19000 人，剩下一些空間做應(yīng)急之用。

　　突然發(fā)現(xiàn)一下子將可分配的用戶數(shù)量翻了 19 倍啊，了不起。那還有沒有辦法更加有效的利用一下呢？

　　如果我有 1000 個以上的服務(wù)器，一個服務(wù)器上有 1000G 空間，那么我們每個服務(wù)器上都要留下 50G 的空白空間以備用戶突然上傳大數(shù)據(jù)時導(dǎo)致數(shù)據(jù)塞滿的情況，那么我這 1000 個服務(wù)器上就空出了 1000 臺*50G=50000G 的空間被浪費了，多么可惜。所以攻城獅們發(fā)明了存儲集群，使得一個用戶的數(shù)據(jù)可以被分配在多個服務(wù)器上存儲，但在用戶那看起來只是一個 1G 的連續(xù)空間，那么就沒必要在每個服務(wù)器上預(yù)留出應(yīng)急的空間了，甚至可以充分的將前一個服務(wù)器塞滿后，在將數(shù)據(jù)往下一個服務(wù)器中塞。這樣保證了服務(wù)器空間的最大利用，如果某一刻管理員發(fā)現(xiàn)用戶都在瘋狂上傳數(shù)據(jù)（在一個大規(guī)模用戶群下，這樣的概率少之又少）導(dǎo)致我現(xiàn)有提供的空間不夠了，沒關(guān)系，只需要隨手加幾塊硬盤或者服務(wù)器就解決了。

　　好吧，這下子我們的服務(wù)器空間利用高多了，可以將一定量的空間分配給最多的用戶使用了。但有沒有更好的改進方案呢？

　　管理員有一天發(fā)現(xiàn)，即使每個用戶平均下來只存儲 50M 的東西，但這 50M 也不是一蹴而就的，是隨著1-2 年的使用慢慢的達到這個數(shù)量的，也就是說，一個新的用戶剛剛注冊我的網(wǎng)絡(luò)空間時，不會上傳東西，或者只上傳一點非常小的東西。那么我為每一個用戶都初始分配了 50M 的空間，即使將來 2 年后他們會填滿這 50M ，但這期間的這空間就有很多是浪費的啊。所以聰明的攻城獅說：既然我們可以分布式、集群式存儲，一個用戶的數(shù)據(jù)可以分布在多個服務(wù)器上，那么我們就假設(shè)一開始就給一個新注冊的用戶提供 0M 的空間，將來他用多少，我就給他提供多少存儲空間，這樣就徹底的保證硬盤的利用了。但用戶的前端還是要顯示 1G 的。

　　工程師的這個點子，使得我在建立網(wǎng)盤初期能用 1 臺 1000G 的服務(wù)器提供了大約 1000000 人來注冊和使用，隨著注冊的人多了，我也有錢了，也可以不斷增加服務(wù)器以提供他們后期的存儲了。同時因為一部分服務(wù)器完成了一年多購買，我的購買成本也下來了。

　　那么…這就結(jié)束了嗎？

　　若是郵箱提供商的話，這樣的利用率夠高了。但網(wǎng)盤就不一樣了。

　　聰明的工程師發(fā)現(xiàn)：不同于郵箱，大家的內(nèi)容和附件絕大多數(shù)都是自創(chuàng)的和不同的。但網(wǎng)盤上大家上傳的東西很多都是重復(fù)的。

　　比如：張三今天下載了一部《TOKYO HOT》上傳到了自己的網(wǎng)盤上，李四在三天后也下載了一模一樣的《TOKYO HOT》上傳到了網(wǎng)絡(luò)硬盤上，隨著用戶的增多，你會發(fā)現(xiàn)總共有 1000 個人上傳了 1000 份一模一樣的文件到你寶貴的服務(wù)器空間上，所以工程師想出一個辦法，既然是一樣的文件，我就只存一份不久好啦，然后在用戶的前端顯示是沒人都有一份不久行啦。當(dāng)某些用戶要刪除這個文件的時候，我并不真的刪除，只需要在前端顯示似乎刪除了，但后端一直保留著以供其他擁有此文件的用戶下載。直到所有使用此文件的用戶都刪除了這個文件我再真的將其刪除吧。

　　這樣子隨著存儲的數(shù)據(jù)越來越多，注冊的用戶越來越多，其上傳的重復(fù)數(shù)據(jù)越來越多。你發(fā)現(xiàn)這樣的檢測重復(fù)文件存儲的效率越來越大。這樣算下來似乎每個人上傳的不重復(fù)的文件只能平均 1M/用戶。這下子你可以提供超過 50 倍的用戶使用您這有限的空間了。

　　但伴隨著使用，你又發(fā)現(xiàn)一個規(guī)律：

　　張三上傳的《TOKYO HOT N0124》和李四上傳的《TH n124》是同一個文件，只不過文件名不一樣，難道我就不能識別出他們是一個文件，然后只將其分別給不同的用戶保存成不同的文件名不就行啦？確實可行，但這要利用一些識別文件相同性的算法，例如 MD5 值等。只要兩個文件的 MD5 值一樣，文件大小一樣，我就認為它們是相同的文件，只需要保存一份文件并給不同的用戶記作不同的文件名就好了。

　　有一天你發(fā)現(xiàn)，因為每一個文件都需要計算 MD5 值，導(dǎo)致 CPU 負荷很大，而且本來一樣的文件非要浪費帶寬上傳回來才可以檢測一致性，能改進一下嗎？

　　聰明的工程師寫了個小軟件或小插件，美其名曰“上傳控件”，將計算 MD5 的工作利用這個軟件交給了上傳用戶的電腦來完成，一旦計算出用戶要上傳的數(shù)據(jù)和服務(wù)器上已經(jīng)存儲的某個數(shù)據(jù)是一樣的，就干脆不用上傳了，直接在用戶那里標(biāo)記上這個文件已經(jīng)按照 XX 文件名上傳成功了。這個過程幾乎是瞬間搞定了，并給其起了個高富帥的名字“秒傳”！

　　通過以上這么多步驟，你發(fā)現(xiàn)本來你只能給 1000 用戶提供網(wǎng)絡(luò)空間的，這么多改進辦法后，在用戶端顯示 1G 空間不變的情況下，近乎可以為 1000000 個用戶提供網(wǎng)絡(luò)空間了。

　　這樣若是您哪天心情好，對外宣傳說：我要將每個用戶的存儲空間上限提升到 1TB。那么每個用戶平均還是只上傳 50M 數(shù)據(jù)，只有極個別的用戶上傳了突破 1G 原始空間的數(shù)據(jù)，你會發(fā)現(xiàn)所付出的成本近乎是微乎其微的。

　　辛勤的攻城獅還在為如何更有效率的利用服務(wù)器提供的磁盤空間在不屑努力和挖掘著……