我在 HPCloud 的 6 台以上服务器上运行了一个 SaaS 应用程序，它会产生大量数据 (GB/TB)。用户通过 RESTful API 与应用程序交互，应用程序会返回一个指向我们 CDN 的链接，用户可以通过该链接下载文件。
我的问题：
根据我的研究和之前在 SF 上提出的问题，将所有生成的数据存储在某种集中存储（例如通过 NAS/SAN）上将是最好的解决方案，这样我的 CDN 就始终知道文件将在哪里提供 - 这也将有助于将来更好地扩展。由于我使用的是类似于 Rackspace 的云，我可以选择哪些方式来执行此操作？
我自己可以参考一下，像 mediafire 这样的公司是如何存储 TB/PB 数据并同时 LB 下载的？他们是不是有大量服务器连接到同一个 NAS/SAN？
更新
Ablue请求的数据：
您是否正在创建通过 http 提供的文件？是的，这些文件将主要通过 HTTP 下载
您需要块级存储吗？目前不需要，但将来可能会需要
你想要多少存储空间？目前我可以使用约 300GB，但将来我需要能够扩展
你想要/需要什么样的访问速度？写入速度越快越好，但读取时间并不那么重要。这里的主要问题是，使用像 S3 这样的系统会增加延迟，因为复制数据需要很长时间
你有预算吗？是/否...对于我使用的云，我基本上可以启动 3-5 个服务器，每个服务器大约有 120GB 的存储空间
答案1
总结
1) 在云上，除非您想要使用类似 S3 的系统，否则没有那么多便宜的选择。使用集中式系统，您只能在遇到问题之前进行一定程度的扩展（请参阅扩展与扩展），因此如果您要推出自己的解决方案，那么最好从分布式系统开始，该系统允许您根据需要添加和删除服务器，而不仅仅是获得大型 SAN 并不断添加磁盘。
2) 他们几乎肯定会使用专用硬件、共置硬件或私有数据中心硬件。如果你去存储提供商那里说“嘿，我想买 2000 个磁盘”，如果你知道自己在做什么，他们会给你相当不错的折扣。存储 100TB 的数据总是比存储 100GB 的数据便宜（按每 GB 计算），存储的越多越便宜。
研究一下分布式数据存储，比如 HFS 或 Riak。从未使用过 HFS，但我们在 4 个节点上使用 Riak 集群，存储量为 10TB。RIAK 有一个 HTTP API，因此只需进行一些仔细的配置，您就可以将 CDN 指向您的 Riak 集群。或者，只需使用 S3、RackSpace 云文件、Google Storage 等，让其他人为您操心。由于现有的存储提供商已经拥有多 TB/PB 的存储量，因此他们很可能比您自己做更便宜。
话虽如此，BackBlaze（在线备份公司）“开源”了其存储“pod”的设计，这些存储“pod”可以以非常低的成本存储大量数据。它们更适合“一次写入，多年不做任何事情”，这是备份的本质，但这仍然是一篇有趣的文章。你也可以看看类似BroadBerry 存储服务器，他们的顶级型号有 36 个热插拔驱动器托架，但不带驱动器则成本 +5,000 美元（如果用 2TB 企业级 7200RPM 驱动器填充，则成本大约为 25,000 美元，如果用便宜的驱动器填充，则成本为 15,000 美元，这完全取决于您的工作量）。卵巢癌如果我没记错的话，提供一些带有约 20TB 非 RAID 存储的“备份”服务器，价格约为 200 英镑/月。
您还需要考虑分层存储。基本上，这意味着您可以根据需要将数据分成“层”。如果某些对象必须不惜一切代价保留，并且需要快速访问，则应将它们放在顶部或“黄金”层存储中，这些存储具有快速、可靠的磁盘，并且服务器能够很好地处理负载。这可能是您将放在高端 SAN 上的东西，这些 SAN 具有许多可爱的 SAS 甚至 SSD 磁盘。如果您有一些可重新生成且不需要快速访问的对象（例如，通常缓存在 CDN 边缘的图像的缩略图），您可以将它们放在“银”层存储中；更便宜的磁盘，放在较慢的服务器上。然后您有了备份，虽然您可能永远不需要它们，并且它们可能不需要立即可用，但您希望尽可能长时间地保留它们，尽可能便宜。您可以将它们放在“青铜”存储中，例如磁带。
我描述的存储级别纯属虚构，完全有可能有 50 个存储层，您可以随意称呼它们。可能即使是最低的存储层也需要超快速访问，这完全取决于您的使用情况。
答案2
了解需要访问哪些文件以及如何访问非常重要。
- 您是否正在创建通过 http 提供服务的文件？
- 您需要块级存储吗？
- 您想要多少存储空间？
- 您想要/需要什么样的访问速度？
- 您需要提供什么级别的服务？
- 你有预算吗？
当人们想要以低延迟和高速度存储大量数据时，通常会使用 SAN。光纤通道通常用于实现最佳延迟，但 iSCSI 和 NFS 也表现良好。显然，您无法将光纤连接到 VPS，并且 iSCSI 和 NFS 在隔离（单独的 NIC 和 VLAN）和您可以处理的最大 MTU 时表现最佳，因此 VPS 不适合这里。
在这种情况下，您需要将自己的物理服务器置于同一位置。
这一切都假设这是您需要访问的文件的要求，并且假设您不只是从提供商处购买更多存储空间。
在开始讨论任何具体内容之前，你至少需要解决上述问题。
编辑（对问题编辑的回应）：
您提到了负载平衡。如果您使用自己的硬件，则可能希望使用某种 ACTIVE:ACTIVE HA 集群。
考虑到您的标准，Sam 建议使用 RAIK 确实是一个好主意。
我个人认为，如果您要投资硬件和主机托管，您应该有一个关于您想要或期望如何增长的周密计划；这应该有助于防止您在错误的领域进行投资。
在这个阶段，您可能想听从 Sam 的建议，另一个想法可能是购买一些位于世界各地您预计使用地点的 VPS，每个 VPS 都具有您想要的存储空间（300GB 应该相当便宜）；然后在它们之间复制数据。您可以使用 DNS 进行负载平衡，使用循环或更复杂的方法（如果您愿意的话）（通过地理位置引用或其他方法）。对于 VPS 来说，扩展存储空间相当轻松。
在这个阶段运行自己的硬件将非常昂贵，而且收益不大。当/如果您需要 TB/PB 存储，那么可能是时候投资硬件了，在这种情况下，您只需购买硬件来提供您当前托管的内容。