分布式理论
分布式系统主要解决单机性能瓶颈导致的成本问题
理论
CAP
CAP理论主张任何基于网络的数据共享系统, 都最多只能拥有以下三条中的两条:
- 一致性(Consistency), 所有节点访问同一份最新的数据副本
- 可用性(Availability), 非故障的节点在合理的时间内返回合理的响应（不是错误或者超时的响应）
- 分区容错性(Partition Tolerance), 分布式系统出现网络分区的时候，仍然能够对外提供服务
- 网络分区: 分布式系统节点之间因为故障而不连通, 整个网络分成了几块区域
直白一点的解释, 分布式系统中, 在满足分区容错的前提下, 没有算法能同时满足数据一致性和服务可用性
- CP架构: ZooKeeper、HBase
- AP架构: Cassandra、Eureka
- 特殊: Nacos都支持
BASE
BASE 是 Basically Available（基本可用）、Soft-state（软状态） 和 Eventually Consistent（最终一致性） 三个短语的缩写
- BASE理论是对AP方案的一个补充
分布式共识算法
Paxos算法
Raft算法
分布式系统设计
分布式文件系统
- HDFS
- GFS
分布式消息队列
- Kafka
- Pulsar
分布式缓存
- Redis Cluster
- Codis
分布式数据库
微服务框架
分布式系统问题
分布式计算
- 怎么找到服务, 服务注册与发现, AP/CP
- 怎么找到实例, 负载均衡策略（轮询、权重、Hash、一致性 Hash，FAIR 等各种策略的适用场景）
- 怎么管理配置, 多实例使用统一的配置中心
- 怎么进行协同, 分布式锁
- 怎么确保请求只执行一次, 重试+幂等
- 怎么避免雪崩, 快速失败和降级（熔断、降级、限流 等）;弹性扩容
- 怎么监控告警和故障恢复, 分布式系统监控, 分布式追踪Trace, 模拟故障的混沌工程以及相关的告警等 机制
分布式存储
- 怎么做数据分片, Hash 和 Region 分片
- 怎么做数据复制, 中心化方案（主从复制、一致性协议，比如 Raft 和 Paxos 等）和 去中心化的方案（ Quorum 和 Vector Clock）
- 怎么做分布式事务, 先有事务ID, 再通过 2PC 或者 3PC 协议来实现分布式事务的原子性
总结:
