不属于，分布式云存储属于IPFS
分布式云存储,简单说就是以区块链的组成模式来存储，碎片化分散存储。
我们把信息存储在区块上，每一个区块都会记录着前一个区块的ID，形成链条，并且不可逆不可更改。
分布式云存储可以理解为一个滴滴司机，不断地转运数据且碎片化，所有人都可以访问公开的区块链数据，并且可以通过交易来写入。 矿工通过密码学技术来参与数据维护赚取少量的利润。 运行成本低，人人可以记账，避免了第三方的暗箱操作。
假如这项技术普及，我觉得我们的电脑就不需要硬盘了，电脑直接通过网络，抓取区块写入，当我们需要的时候，通过私钥来下载。
一个硬盘的价格是很贵的，但我们可能只花十分之一的钱就能得到类似的存储服务，何乐而不为呢。
我们的私钥仅仅保留在自己的手中，并且碎片化存储时，拿到完整的文件代码可能不仅仅是一个私钥可以解决的，还可能需要人工智能认证来激活私钥，比如刷脸、指纹几种共识共同形成闭环。
不过前提是我们需要高度发达的网络互联以及成熟的数据库基础。2000年的时候，多数人们并不相信互联网，觉得虚拟的东西不靠谱，经过多年印证，互联网完全可以颠覆我们的生活，实现各种智能。
那么现今的区块链虽然不成熟，不过区块链有着另一个层面上颠覆我们认知的潜力。
基于区块链的分布式云存储主要具有如下特点：
1. 实现碎片资源的可利用
每个人都可以通过分享个人的硬盘空间获得金钱回报。这个金钱回报由租户直接支付 给个人，提供服务的平台只收取微小的服务费。可以理解为平台就是硬盘存储的Uber。
2. 大众广泛参与
所有人都可以访问公开区块链上的数据，所有人都可以发出交易等待被写入区块链。 共识过程的参与者（对应比特币中的矿工）通过密码学技术以及内建的经济激励维护数据库的安全。
3. 高效、低成本运行
区块链技术在网络上是公开、透明、开源的。不需要通过任何的机构及组织，可以随 时随地上传、下载所需要的信息。比起购买昂贵的存储设备及配套的人力来说，租用硬盘 空间比较经济、实惠。
4. 较高的安全性
传统的云存储公司购买或租用服务器来存储他们的客户文件，同时使用RAID方案或 多数据中心的方
⑵ 区块链是怎样防止数据篡改的
区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。
跟传统的分布式存储有所不同，区块链的分布式存储的独特性主要体现在两个方面：一是区块链每个节点都按照块链式结构存储完整的数据，传统分布式存储一般是将数据按照一定的规则分成多份进行存储。二是区块链每个节点存储都是独立的、地位等同的，依靠共识机制保证存储的一致性，而传统分布式存储一般是通过中心节点往其他备份节点同步数据。
没有任何一个节点可以单独记录账本数据，从而避免了单一记账人被控制或者被贿赂而记假账的可能性。也由于记账节点足够多，理论上讲除非所有的节点被破坏，否则账目就不会丢失，从而保证了账目数据的安全性。
存储在区块链上的交易信息是公开的，但是账户身份信息是高度加密的，只有在数据拥有者授权的情况下才能访问到，从而保证了数据的安全和个人的隐私。
区块链提出了四种不同的共识机制，适用于不同的应用场景，在效率和安全性之间取得平衡。
基于以上特点，这种数据存储技术是可以完美防止数据被篡改的可能性，在现实中也可以运用到很多领域之中，比我们的电子存证技术在电子合同签署上提供了更安全可靠的保证。
⑶ 什么是内部碎片什么是外部碎片各种存储管理中都可能产生何种碎片
1.内部碎片：
当一个进程装入到固定大小的分区块（比如页）时，假如进程所需空间小于分区块，则分区块的剩余的空间将无法被系统使用，称为内部碎片。
2.外部碎片：
指的是还没有被分配出去（不属于任何进程），但由于太小了无法分配给申请内存空间的新进程的内存空闲区域。
3.存储管理中都可能产生的碎片：
除了内部碎片和外部碎片，在“分页存储”中，可能产生“页内碎片”，页内碎片是由于进程的最后一页经常装不满一块而形成了不可利用的碎片。
(3)云数据的碎片化存储扩展阅读
在数据存储领域中，碎片(fragmentation）是指存储空间使用效率低下，结果导致功能、运行效率变低或二者兼而有之的现象。碎片化所造成的影响取决于具体的存储系统以及碎片化的种类。
大部分情况下，碎片化都会导致都会导致存储空间的浪费，此时“碎片”一词亦可指代闲置的空间本身。对于其他的一些系统来说（比如FAT文件系统），数据量一定的前提下，用于存储数据所占的存储空间是一定的，和碎片化的程度无关。
⑷ 大数据的存储和搜索面临很大挑战
大数据的存储和搜索面临很大挑战
大数据并非是一个全新的概念，早在1980年，阿尔文托夫勒就在《第三次浪潮》一书中预言了由数据构成的“碎片化未来”，并将海量数据赞颂为“第三次浪潮的华彩乐章”。然而，大数据真正流行起来是在2011年之后，数据量呈几何指数上升，物联网、云计算等技术的日渐成熟使得数据的获取、存储和处理的成本急剧下降，促使大数据一时间成为了各方视线的焦点。
首先，伴随着移动终端、传感器的迅速普及以及社会化媒体等互联网应用的日益多样化，数据量呈现出爆发式的增长，数据集的规模已经达到了TB甚至是PB的级别。这些海量的、碎片化的数据不仅能够较为完整地刻画出人们在线行为，还可以通过各类传感设备的数据来记录实体经济的运行状况。
其次，数据的种类也愈发丰富，不仅包含文本内容，还包括图片、音频、视频等非结构化数据，为数据的存储和搜索带来了很大挑战，这意味着传统意义上适用于文本内容存储和分析的数据库关联算法、语义分析等手段已经渐渐失效。
第三，大数据蕴含着巨大的价值，但相比于庞大的数据规模，其价值密度却是非常稀疏的，可谓是“浪里淘沙、弥足珍贵”。例如，公安视频监控系统需要7×24小时的记录，但用于犯罪证据获取的也许只是短短数秒；对于零售产业的推荐系统，也只有通过海量数据的分析，才能进行较为精准的预测。
第四，大数据需要实时的记录与响应，如动态的股价、路况信息以及电子商务的交易数据等，都需要实时的调用和处理，才能够充分体现出数据的价值所在。此外，社会化媒体、社交网站中的关系数据成为了大数据的价值倍增器，这是因为人们已经不可避免地镶嵌于人际关系网络中，个体的影响力会经由社交网络快速蔓延。
不久前，作为全球最大零售商的沃尔玛也充分意识到了关系数据的重要性，在其社交基因组（Social Genome）计划中整合了用户在Facebook、Twitter中的关系数据，用以更精准地推测消费者的偏好。 综上所述，大数据的基本特征可以概括为规模化（Volume）、多样性（Variety）、高价值（Value）、速度快（Velocity）以及社会化（Social）等五个特点，即“4V 1S”的特点。这样的大数据浪潮，也深刻的影响了各个传统行业的发展轨迹，变革一触即发。