业界对于分布式文件系统应用，大致有以下场景
很老的商业软件比如IBM跑在AIX mainframe上的GPFS或者EMC的oneFS之类，就忽略了，比较主流的开源的分布式文件系统大致有以下一些：
1.GlusterFS 文件系统标准的posix接口支持，可以做分布式的软件NAS，小规模的HPC共享存储，k8s/openstack共享存储；主要特点如下
2.cephfs，其底层是一个对象存储系统，即ceph的rados对象存储，主要特点如下
3.Lustre，比较老牌的分布式文件系统，部署在多个san阵列上，不支持副本，支持分布式锁，主要做HPC高性能计算；luster对posix的语义应该支持的比较好。之前intel在维护社区，主要目的是为了卖自己的cpu给一些HPC用户，后来intel是退出了。
4.HDFS只支持追加写，设计中没有考虑修改写、截断写、稀疏写等复杂的posix语义，目的并不是通用的文件系统，一般作为hadoop ecosystem的存储引擎；HDFS在bigdata领域使用很广泛，但其实big data用s3也是可以的。
5.moosefs 比较接近GoogleFS的c++实现，通过fuse支持了标准的posix，算是通用的文件系统，社区不是太活跃；
7.还有一些专有的文件系统，比如早年的fastDFS，tfs，BeeFS。大致思想跟facebook Haystack比较像，一个专有的图片存储系统的原型，适合小文件和worm场景（write once read many）。一般大型网站，搞视频流媒体之类，都会有一套类似的解决方案。
8. SeaweedFS, 最初是meta的haystack的一个开源实现，后续通过fuse实现了文件系统的posix接口，主要面向小文件做了很多优化。京东开源了一个ContainerFS，主要是给k8s做共享存储，跟seaweed有些故事，容器跑一些无状态的app为主，存储需求也就是一些小文件为主的静态资源和log之类。
9. JuiceFS也是一个很有意思的fs，metadata就用分布式kv store，持久化存储就用各种s3对象存储，DFS里面比较复杂的另个东西都用现成的，坚决不造轮子且利用好现有的轮子。创始人在dabatrics待过，最初设计目标是通过fuse提供posix接口的通用文件系统，给BigData做共享存储池。目前一个新方向是给AI云和DL分布式训练框架提供一个文件存储池。AI云的样本数据肯定要共享存储池，像coco这种超级大数据集，总不能谁用谁存一份吧。另一方面，dl框架的存储io部分，都是python通过posix接口去读写文件，在api兼容性方面fs比s3有优势。更重要的是分布式dl框架做的事情跟传统的hpc程序很像，会反复读文件的一个局部的数据，相对于s3接口，fs接口可以提供transparent cache，还可以提供一些预读之类高级特性，这个场景下，fs的确相对s3有很大的优势。
