资源管理子系统
Master 负责异步的处理不同类型的任务， 比如 创建/删除/更新/比对副本是否一致等数据分片和元数据分片的操作，管理数据节点和元数据节点的存活状态，创建和维护卷信息。
Master 有多个节点，它们之间通过 raft 算法保证元数据一致性，并且把元数据持久化到 RocksDB。
基于利用率的分布策略
基于利用率的分布策略放置文件元数据和内容是 Master 最主要的特征，此分布策略能够更高效的利用集群资源。 数据分片和元数据分片的分布策略工作流程：
- 创建卷的时候，Master 根据剩余磁盘/内存空间加权计算，选择权重最高的数据节点创建数据/元数据分片，写文件时，客户端随机选择数据分片和元数据分片。
- 如果卷的大部分数据分片是只读，只有很少的数据分片是可读写的时候，master 会自动创建新的数据分片来分散写请求。
基于利用率的分布策略能带来两点额外的好处：
- 当新节点加入时，不需要重新做数据均衡，避免了因为数据迁移带来的开销。
- 因为使用统一的分布策略，显著降低了产生热点数据的可能性。
副本放置
Master 确保一个分片的多个副本都在不同的机器上。
拆分元数据分片
满足下面任意一个条件，元数据分片将会被拆分
- 元数据节点内存使用率达到设置的阈值，比如总内存是 64GB，阈值是 0.75，如果元数据节点使用的内存达到 48GB，该节点上的所有元数据分片都将会被拆分。
- 元数据分片占用的内存达到 16GB
注意
只有元数据分片 ID 是卷所有元数据分片中 ID 最大的，才会真正被拆分。
假设元数据分片 A 符合拆分条件，其 inode 范围是 [0,正无穷)，则拆分后 A 的范围为 [0,A.MaxInodeID+step)，新生成的 B 分片的范围是 [A.MaxInodeID+step+1，正无穷)，其中 step 是步长，默认是 2 的 24 方，MaxInodeID 是由元数据节点汇报。
异常处理
如果数据/元数据分片某个副本不可用 (硬盘失败、硬件错误等)，该副本上的数据最终会被迁移到新的副本上。
在github上编辑