什么是分布式系統(tǒng)

分布式系統(tǒng)是由一組通過網(wǎng)絡(luò)進(jìn)行通信、為了完成共同的任務(wù)而協(xié)調(diào)工作的計算機節(jié)點組成的系統(tǒng)。分布式系統(tǒng)的出現(xiàn)是為了用廉價的、普通的機器完成單個計算機無法完成的計算、存儲任務(wù)。其目的是利用更多的機器，處理更多的數(shù)據(jù)。

首先需要明確的是，只有當(dāng)單個節(jié)點的處理能力無法滿足日益增長的計算、存儲任務(wù)的時候，且硬件的提升（加內(nèi)存、加磁盤、使用更好的CPU）高昂到得不償失的時候，應(yīng)用程序也不能進(jìn)一步優(yōu)化的時候，我們才需要考慮分布式系統(tǒng)。因為，分布式系統(tǒng)要解決的問題本身就是和單機系統(tǒng)一樣的，而由于分布式系統(tǒng)多節(jié)點、通過網(wǎng)絡(luò)通信的拓?fù)浣Y(jié)構(gòu)，會引入很多單機系統(tǒng)沒有的問題，為了解決這些問題又會引入更多的機制、協(xié)議，帶來更多的問題。。。

在很多文章中，主要講分布式系統(tǒng)分為分布式計算（computation）與分布式存儲（storage）。計算與存儲是相輔相成的，計算需要數(shù)據(jù)，要么來自實時數(shù)據(jù)（流數(shù)據(jù)），要么來自存儲的數(shù)據(jù)；而計算的結(jié)果也是需要存儲的。在操作系統(tǒng)中，對計算與存儲有非常詳盡的討論，分布式系統(tǒng)只不過將這些理論推廣到多個節(jié)點罷了。

那么分布式系統(tǒng)怎么將任務(wù)分發(fā)到這些計算機節(jié)點呢，很簡單的思想，分而治之，即分片（partition）。對于計算，那么就是對計算任務(wù)進(jìn)行切換，每個節(jié)點算一些，最終匯總就行了，這就是MapReduce的思想；對于存儲，更好理解一下，每個節(jié)點存一部分?jǐn)?shù)據(jù)就行了。當(dāng)數(shù)據(jù)規(guī)模變大的時候，Partition是唯一的選擇，同時也會帶來一些好處：

（1）提升性能和并發(fā)，操作被分發(fā)到不同的分片，相互獨立

（2）提升系統(tǒng)的可用性，即使部分分片不能用，其他分片不會受到影響

理想的情況下，有分片就行了，但事實的情況卻不大理想。原因在于，分布式系統(tǒng)中有大量的節(jié)點，且通過網(wǎng)絡(luò)通信。單個節(jié)點的故障（進(jìn)程crash、斷電、磁盤損壞）是個小概率事件，但整個系統(tǒng)的故障率會隨節(jié)點的增加而指數(shù)級增加，網(wǎng)絡(luò)通信也可能出現(xiàn)斷網(wǎng)、高延遲的情況。在這種一定會出現(xiàn)的“異常”情況下，分布式系統(tǒng)還是需要繼續(xù)穩(wěn)定的對外提供服務(wù)，即需要較強的容錯性。最簡單的辦法，就是冗余或者復(fù)制集（Replication），即多個節(jié)點負(fù)責(zé)同一個任務(wù)，最為常見的就是分布式存儲中，多個節(jié)點復(fù)雜存儲同一份數(shù)據(jù)，以此增強可用性與可靠性。同時，Replication也會帶來性能的提升，比如數(shù)據(jù)的locality可以減少用戶的等待時間。

下面這種來自Distributed systems for fun and profit 的圖形象生動說明了Partition與Replication是如何協(xié)作的。

Partition和Replication是解決分布式系統(tǒng)問題的一記組合拳，很多具體的問題都可以用這個思路去解決。但這并不是銀彈，往往是為了解決一個問題，會引入更多的問題，比如為了可用性與可靠性保證，引用了冗余（復(fù)制集）。有了冗余，各個副本間的一致性問題就變得很頭疼，一致性在系統(tǒng)的角度和用戶的角度又有不同的等級劃分。如果要保證強一致性，那么會影響可用性與性能，在一些應(yīng)用（比如電商、搜索）是難以接受的。如果是最終一致性，那么就需要處理數(shù)據(jù)沖突的情況。CAP、FLP這些理論告訴我們，在分布式系統(tǒng)中，沒有最佳的選擇，都是需要權(quán)衡，做出最合適的選擇。

分布式系統(tǒng)挑戰(zhàn)

分布式系統(tǒng)需要大量機器協(xié)作，面臨諸多的挑戰(zhàn)：

第一，異構(gòu)的機器與網(wǎng)絡(luò)：

分布式系統(tǒng)中的機器，配置不一樣，其上運行的服務(wù)也可能由不同的語言、架構(gòu)實現(xiàn)，因此處理能力也不一樣；節(jié)點間通過網(wǎng)絡(luò)連接，而不同網(wǎng)絡(luò)運營商提供的網(wǎng)絡(luò)的帶寬、延時、丟包率又不一樣。怎么保證大家齊頭并進(jìn)，共同完成目標(biāo)，這四個不小的挑戰(zhàn)。

第二，普遍的節(jié)點故障：

雖然單個節(jié)點的故障概率較低，但節(jié)點數(shù)目達(dá)到一定規(guī)模，出故障的概率就變高了。分布式系統(tǒng)需要保證故障發(fā)生的時候，系統(tǒng)仍然是可用的，這就需要監(jiān)控節(jié)點的狀態(tài)，在節(jié)點故障的情況下將該節(jié)點負(fù)責(zé)的計算、存儲任務(wù)轉(zhuǎn)移到其他節(jié)點

第三，不可靠的網(wǎng)絡(luò)：

節(jié)點間通過網(wǎng)絡(luò)通信，而網(wǎng)絡(luò)是不可靠的?？赡艿木W(wǎng)絡(luò)問題包括：網(wǎng)絡(luò)分割、延時、丟包、亂序。

相比單機過程調(diào)用，網(wǎng)絡(luò)通信最讓人頭疼的是超時：節(jié)點A向節(jié)點B發(fā)出請求，在約定的時間內(nèi)沒有收到節(jié)點B的響應(yīng)，那么B是否處理了請求，這個是不確定的，這個不確定會帶來諸多問題，最簡單的，是否要重試請求，節(jié)點B會不會多次處理同一個請求。

總而言之，分布式的挑戰(zhàn)來自不確定性，不確定計算機什么時候crash、斷電，不確定磁盤什么時候損壞，不確定每次網(wǎng)絡(luò)通信要延遲多久，也不確定通信對端是否處理了發(fā)送的消息。而分布式的規(guī)模放大了這個不確定性，不確定性是令人討厭的，所以有諸多的分布式理論、協(xié)議來保證在這種不確定性的情況下，系統(tǒng)還能繼續(xù)正常工作。

而且，很多在實際系統(tǒng)中出現(xiàn)的問題，來源于設(shè)計時的盲目樂觀，覺得這個、那個應(yīng)該不會出問題。
Fallacies_of_distributed_computing很有意思，介紹了分布式系統(tǒng)新手可能的錯誤的假設(shè)：

The network is reliable.
Latency is zero.
Bandwidth is infinite.
The network is secure.
Topology doesn't change.
There is one administrator.
Transport cost is zero.
The network is homogeneous.

劉杰在《分布式系統(tǒng)原理介紹》中指出，處理這些異常的最佳原則是：在設(shè)計、推導(dǎo)、驗證分布式系統(tǒng)的協(xié)議、流程時,最重要的工作之一就是思考在執(zhí)行流程的每個步驟時一旦發(fā)生各種異常的情況下系統(tǒng)的處理方式及造成的影響。

分布式系統(tǒng)特性與衡量標(biāo)準(zhǔn)

透明性：使用分布式系統(tǒng)的用戶并不關(guān)心系統(tǒng)是怎么實現(xiàn)的，也不關(guān)心讀到的數(shù)據(jù)來自哪個節(jié)點，對用戶而言，分布式系統(tǒng)的最高境界是用戶根本感知不到這是一個分布式系統(tǒng)，在《Distributed Systems Principles and Paradigms》一書中，作者是這么說的：

A distributed system is a collection of independent computers that appears to its users as a single coherent system.

可擴(kuò)展性：分布式系統(tǒng)的根本目標(biāo)就是為了處理單個計算機無法處理的任務(wù)，當(dāng)任務(wù)增加的時候，分布式系統(tǒng)的處理能力需要隨之增加。簡單來說，要比較方便的通過增加機器來應(yīng)對數(shù)據(jù)量的增長，同時，當(dāng)任務(wù)規(guī)模縮減的時候，可以撤掉一些多余的機器，達(dá)到動態(tài)伸縮的效果

可用性與可靠性：一般來說，分布式系統(tǒng)是需要長時間甚至7*24小時提供服務(wù)的?？捎眯允侵赶到y(tǒng)在各種情況對外提供服務(wù)的能力，簡單來說，可以通過不可用時間與正常服務(wù)時間的必知來衡量；而可靠性而是指計算結(jié)果正確、存儲的數(shù)據(jù)不丟失。

高性能：不管是單機還是分布式系統(tǒng)，大家都非常關(guān)注性能。不同的系統(tǒng)對性能的衡量指標(biāo)是不同的，最常見的：高并發(fā)，單位時間內(nèi)處理的任務(wù)越多越好；低延遲：每個任務(wù)的平均時間越少越好。這個其實跟操作系統(tǒng)CPU的調(diào)度策略很像

一致性：分布式系統(tǒng)為了提高可用性可靠性，一般會引入冗余（復(fù)制集）。那么如何保證這些節(jié)點上的狀態(tài)一致，這就是分布式系統(tǒng)不得不面對的一致性問題。一致性有很多等級，一致性越強，對用戶越友好，但會制約系統(tǒng)的可用性；一致性等級越低，用戶就需要兼容數(shù)據(jù)不一致的情況，但系統(tǒng)的可用性、并發(fā)性很高很多。

組件、理論、協(xié)議

假設(shè)這是一個對外提供服務(wù)的大型分布式系統(tǒng)，用戶連接到系統(tǒng)，做一些操作，產(chǎn)生一些需要存儲的數(shù)據(jù)，那么在這個過程中，會遇到哪些組件、理論與協(xié)議呢

用一個請求串起來

用戶使用Web、APP、SDK，通過HTTP、TCP連接到系統(tǒng)。在分布式系統(tǒng)中，為了高并發(fā)、高可用，一般都是多個節(jié)點提供相同的服務(wù)。那么，第一個問題就是具體選擇哪個節(jié)點來提供服務(wù)，這個就是負(fù)載均衡（load balance）。負(fù)載均衡的思想很簡單，但使用非常廣泛，在分布式系統(tǒng)、大型網(wǎng)站的方方面面都有使用，或者說，只要涉及到多個節(jié)點提供同質(zhì)的服務(wù)，就需要負(fù)載均衡。

通過負(fù)載均衡找到一個節(jié)點，接下來就是真正處理用戶的請求，請求有可能簡單，也有可能很復(fù)雜。簡單的請求，比如讀取數(shù)據(jù)，那么很可能是有緩存的，即分布式緩存，如果緩存沒有命中，那么需要去數(shù)據(jù)庫拉取數(shù)據(jù)。對于復(fù)雜的請求，可能會調(diào)用到系統(tǒng)中其他的服務(wù)。

承上，假設(shè)服務(wù)A需要調(diào)用服務(wù)B的服務(wù)，首先兩個節(jié)點需要通信，網(wǎng)絡(luò)通信都是建立在TCP/IP協(xié)議的基礎(chǔ)上，但是，每個應(yīng)用都手寫socket是一件冗雜、低效的事情，因此需要應(yīng)用層的封裝，因此有了HTTP、FTP等各種應(yīng)用層協(xié)議。當(dāng)系統(tǒng)愈加復(fù)雜，提供大量的http接口也是一件困難的事情。因此，有了更進(jìn)一步的抽象，那就是RPC（remote produce call），是的遠(yuǎn)程調(diào)用就跟本地過程調(diào)用一樣方便，屏蔽了網(wǎng)絡(luò)通信等諸多細(xì)節(jié)，增加新的接口也更加方便。

一個請求可能包含諸多操作，即在服務(wù)A上做一些操作，然后在服務(wù)B上做另一些操作。比如簡化版的網(wǎng)絡(luò)購物，在訂單服務(wù)上發(fā)貨，在賬戶服務(wù)上扣款。這兩個操作需要保證原子性，要么都成功，要么都不操作。這就涉及到分布式事務(wù)的問題，分布式事務(wù)是從應(yīng)用層面保證一致性：某種守恒關(guān)系。

上面說道一個請求包含多個操作，其實就是涉及到多個服務(wù)，分布式系統(tǒng)中有大量的服務(wù)，每個服務(wù)又是多個節(jié)點組成。那么一個服務(wù)怎么找到另一個服務(wù)（的某個節(jié)點呢）？通信是需要地址的，怎么獲取這個地址，最簡單的辦法就是配置文件寫死，或者寫入到數(shù)據(jù)庫，但這些方法在節(jié)點數(shù)據(jù)巨大、節(jié)點動態(tài)增刪的時候都不大方便，這個時候就需要服務(wù)注冊與發(fā)現(xiàn)：提供服務(wù)的節(jié)點向一個協(xié)調(diào)中心注冊自己的地址，使用服務(wù)的節(jié)點去協(xié)調(diào)中心拉取地址。

從上可以看見，協(xié)調(diào)中心提供了中心化的服務(wù)：以一組節(jié)點提供類似單點的服務(wù)，使用非常廣泛，比如命令服務(wù)、分布式鎖。協(xié)調(diào)中心最出名的就是chubby，zookeeper。

回到用戶請求這個點，請求操作會產(chǎn)生一些數(shù)據(jù)、日志，通常為信息，其他一些系統(tǒng)可能會對這些消息感興趣，比如個性化推薦、監(jiān)控等，這里就抽象出了兩個概念，消息的生產(chǎn)者與消費者。那么生產(chǎn)者怎么講消息發(fā)送給消費者呢，RPC并不是一個很好的選擇，因為RPC肯定得指定消息發(fā)給誰，但實際的情況是生產(chǎn)者并不清楚、也不關(guān)心誰會消費這個消息，這個時候消息隊列就出馬了。簡單來說，生產(chǎn)者只用往消息隊列里面發(fā)就行了，隊列會將消息按主題（topic）分發(fā)給關(guān)注這個主題的消費者。消息隊列起到了異步處理、應(yīng)用解耦的作用。

上面提到，用戶操作會產(chǎn)生一些數(shù)據(jù)，這些數(shù)據(jù)忠實記錄了用戶的操作習(xí)慣、喜好，是各行各業(yè)最寶貴的財富。比如各種推薦、廣告投放、自動識別。這就催生了分布式計算平臺，比如Hadoop，Storm等，用來處理這些海量的數(shù)據(jù)。

最后，用戶的操作完成之后，用戶的數(shù)據(jù)需要持久化，但數(shù)據(jù)量很大，大到按個節(jié)點無法存儲，那么這個時候就需要分布式存儲：將數(shù)據(jù)進(jìn)行劃分放在不同的節(jié)點上，同時，為了防止數(shù)據(jù)的丟失，每一份數(shù)據(jù)會保存多分。傳統(tǒng)的關(guān)系型數(shù)據(jù)庫是單點存儲，為了在應(yīng)用層透明的情況下分庫分表，會引用額外的代理層。而對于NoSql，一般天然支持分布式。

一個簡化的架構(gòu)圖

下面用一個不大精確的架構(gòu)圖，盡量還原分布式系統(tǒng)的組成部分（不過只能體現(xiàn)出技術(shù)，不好體現(xiàn)出理論）

概念與實現(xiàn)

那么對于上面的各種技術(shù)與理論，業(yè)界有哪些實現(xiàn)呢，下面進(jìn)行簡單羅列。

當(dāng)然，下面的這些實現(xiàn)，小部分我用過，知其所以然；大部分聽說過，知其然；還有一部分之前聞所未聞，分類也不一定正確，只是從其他文章抄過來的。羅列在這里，以便日后或深或淺的學(xué)習(xí)。

• 負(fù)載均衡：

Nginx：高性能、高并發(fā)的web服務(wù)器；功能包括負(fù)載均衡、反向代理、靜態(tài)內(nèi)容緩存、訪問控制；工作在應(yīng)用層

LVS： Linux virtual server，基于集群技術(shù)和Linux操作系統(tǒng)實現(xiàn)一個高性能、高可用的服務(wù)器；工作在網(wǎng)絡(luò)層

• webserver：

Java：Tomcat，Apache，Jboss

Python：gunicorn、uwsgi、twisted、webpy、tornado

• service：

SOA、微服務(wù)、spring boot，django

• 容器：

docker，kubernetes

• cache：

memcache、redis等

• 協(xié)調(diào)中心：

zookeeper、etcd等

zookeeper使用了Paxos協(xié)議Paxos是強一致性，高可用的去中心化分布式。zookeeper的使用場景非常廣泛，之后細(xì)講。

• rpc框架：

grpc、dubbo、brpc

dubbo是阿里開源的Java語言開發(fā)的高性能RPC框架，在阿里系的諸多架構(gòu)中，都使用了dubbo + spring boot

• 消息隊列：

kafka、rabbitMQ、rocketMQ、QSP

消息隊列的應(yīng)用場景：異步處理、應(yīng)用解耦、流量削鋒和消息通訊

• 實時數(shù)據(jù)平臺：

storm、akka

• 離線數(shù)據(jù)平臺：

hadoop、spark

PS: apark、akka、kafka都是scala語言寫的，看到這個語言還是很牛逼的

• dbproxy：

cobar也是阿里開源的，在阿里系中使用也非常廣泛，是關(guān)系型數(shù)據(jù)庫的sharding + replica 代理

• db：

mysql、oracle、MongoDB、HBase

• 搜索：

elasticsearch、solr

• 日志：

rsyslog、elk、flume

總結(jié)

寫這篇文章，我曾在網(wǎng)絡(luò)上搜索過“如何學(xué)習(xí)分布式系統(tǒng)”，但實話說，沒有很認(rèn)同的答案。也許，這確實是一個難以回答的問題。于是，我想自己寫出一個答案，但寫完這篇文章，感覺自己的回答也很混亂，也沒有說清楚，不過對我自己還是有一些指導(dǎo)意義的，比如，理清了分布式系統(tǒng)中會遇到的各種技術(shù)、理論、協(xié)議，以及通過一個例子展示他們是如何協(xié)作的，接下來就是各個擊破了。

網(wǎng)上的諸多回答，上來就是看各種論文，google三大件、paxos什么的，個人覺得不是很實用。更好的過程，是先有一個整體的把握，然后自己思考會有什么問題，帶著問題去尋求答案，在尋求答案的時候再去看論文。

另外，也有很多人提到，掌握好計算機基礎(chǔ)知識，如操作系統(tǒng)、計算機網(wǎng)絡(luò)，對學(xué)習(xí)分布式系統(tǒng)是大有裨益的，這一點我很贊同。分布式系統(tǒng)解決問題的思路是早就有的，很多都是前人研究透的問題，思想都是相同的。比如函數(shù)式編程中的map reduce之于Hadoop的MapReduce，比如磁盤存儲的raid之于Partition與Replication，比如IPC之于消息隊列。