分布式系统
直接回答
分布式系统是指由多个通过网络连接的独立计算机节点组成，这些节点协同工作，对外表现为一个统一的整体系统。其核心目标是利用多台普通计算机的资源（计算、存储、网络）来提供比单台计算机更强大的处理能力、更高的可用性和更好的可扩展性。在分布式系统中，节点之间通过消息传递进行通信和协调，共同完成一个或多个任务。典型的分布式系统包括分布式数据库（如TiDB、Cassandra）、分布式文件系统（如HDFS、Ceph）、分布式计算框架（如Hadoop、Spark）以及微服务架构。设计分布式系统面临的主要挑战包括：节点故障的容错处理、网络延迟与分区、数据一致性（CAP理论）、时钟同步、分布式事务以及服务发现与负载均衡等。为了解决这些问题，业界发展出了多种经典算法和协议，如Paxos、Raft（用于共识）、Gossip（用于信息传播）、两阶段提交（2PC，用于分布式事务）等。理解分布式系统是构建现代互联网大规模应用的基础。
核心要点
- 核心定义与目标
- CAP理论与权衡
- 关键算法与协议
- 常见架构模式
- 主要挑战与应对
Tegishli teglar
常见问题
- 分布式系统与集中式系统的主要区别是什么？
- 集中式系统所有组件运行在单台计算机上，依赖单一操作系统和共享内存，管理简单但存在单点故障和性能瓶颈。分布式系统由多台独立计算机组成，通过网络通信，具有更高的可扩展性和容错性，但设计复杂度显著增加，需要处理网络延迟、部分故障、数据一致性等分布式特有难题。
- 什么是CAP理论？在实际系统中如何应用？
- CAP理论由Eric Brewer提出，指分布式系统在一致性（C）、可用性（A）和分区容错性（P）三者中最多只能同时满足两个。由于网络分区是不可避免的，实际系统通常需要在C和A之间权衡。例如，银行系统通常选择CP（强一致性），牺牲部分可用性；而社交媒体动态流则选择AP（最终一致性），优先保证用户体验。
- 分布式系统中如何保证数据一致性？
- 保证数据一致性的方法包括：1）强一致性：通过Paxos/Raft等共识算法，确保所有节点数据实时一致，但会降低可用性；2）最终一致性：允许短暂不一致，通过版本向量、Gossip协议等机制最终达到一致，常用于DNS、CDN等场景；3）因果一致性：保证有因果关系的操作按正确顺序执行；4）分布式事务：使用两阶段提交（2PC）或Saga模式协调多个节点的事务。
- 微服务架构是分布式系统吗？
- 是的，微服务架构是分布式系统的一种重要实现形式。它将单一应用拆分为多个独立部署的小型服务，每个服务拥有自己的数据库和业务逻辑，服务之间通过轻量级API（如REST、gRPC）通信。微服务架构天然具备分布式系统的所有特征和挑战，如服务发现、负载均衡、分布式追踪、熔断降级等，通常需要配合容器编排平台（如Kubernetes）来管理。
- 学习分布式系统需要哪些前置知识？
- 建议先掌握：1）计算机网络基础（TCP/IP、HTTP、DNS）；2）操作系统概念（进程、线程、并发、锁）；3）数据结构与算法（哈希、树、排序）；4）至少一门编程语言（如Java、Go、Python）；5）数据库基础（事务、ACID）。在此基础上，可以逐步学习分布式理论（CAP、BASE）、经典算法（Paxos、Raft）以及主流框架（ZooKeeper、Kafka、Hadoop）。