很多时候，我们在讨论技术架构时，都离不开集群、分布式以及现在的微服务。为了厘清三者关系，请看下方示例：
一个任务，1 台机器执行 1 个任务需要 1 小时完成，执行 10 个任务就需要 10 个小时，现在购置 10 台机器后，如何提升效率？
- 集群方案：10 台机器都部署该任务，若执行 1 个任务，只需要其中 1 台机器执行，时长 1 小时。若执行 10 个任务，每台执行 1 个，总耗费时间仍为 1 小时。
- 分布式方案：将该任务拆分成 10 个子任务，每个子任务只需要 0.1 小时完成，10 台机器分别部署不同的子任务，1 个任务完成总计需要 0.1 小时，10 个任务完成耗费 1 小时。
集群与分布式：
- 集群：代表业务的物理的形态，某个业务同时部署在了多个服务器上，通过提高单位时间内执行的任务数来提升效率。
- 分布式：代表业务的工作形态，某个业务被拆分成了多个子业务，子业务分别部署在不同的服务器上，通过缩短单个任务的执行时间来提升效率
由上我们可以看出，分布式中的每一个节点（服务器），都可以作为集群部署，而集群就不一定是分布式的了。
好的设计应该是分布式和集群的集合，先分布式再集群，具体实现就是业务拆分成很多子业务，然后针对子业务进行集群部署，这样每个独立的子业务出现了问题，不会对整个系统造成影响。
微服务：
微服务只是一种架构风格，将一个大型软件拆分为多个松耦合的微服务，各个微服务可以独立部署，即将业务拆分为多个独立的单元，单元之间通过网络实现数据交互。
SOA：
业务系统分解为多个组件，让每个组件独立提供离散、自治、可复用的服务能力，通过服务的组合和编排来实现上层的业务流程。
笔者这里认为微服务其实是分布式理念按照 SOA 的设想后的一种严格实现，但是微服务的应用可以部署在多台服务器上，也可以在同一个服务器（原则上不允许）。
微服务相比分布式服务来说，服务粒度更小，服务之间耦合度更低，分布式服务最后都会向微服务架构演化，这是一种趋势，不过微服务化后也会带来很多新的挑战，如：服务粒度小、数量大造成的运维艰难，当然这时候也诞生了针对该问题的解决方案，如 docker，k8s。
分布式系统由一组计算节点组成，这些节点之间通过通过网络进行通信，并且能够协调工作以完成共同的任务，通过分布式，让多个廉价的计算机通过协作来达到昂贵的大型机的处理能力。相对而言，降低了成本。
常见的分布式应用主要包括：
- 分布式存储（storage）：每个节点存一部分数据，实践方式比如 hadoop 的 hdfs
- 分布式计算（computation）：对计算任务进行切换，每个节点算一些，实践方式比如 hadoop 的 mapreduce
分布式理论最大的挑战是如何将任务分发到不同的计算机节点，可以利用分片机制（partition）。
分布式系统特性与标准：
- 透明性：用户无需关心分布式系统如何实现，也不关心读到的数据来自哪个节点，在使用体验上，与单机系统无异
- 伸缩性：任务增加的时，分布式系统的处理能力需要随之增加，任务规模缩减时，多余机器可以裁撤
- 可用性：通过不可用时间与正常服务时间的比值来衡量
- 可靠性：计算结果正确、存储的数据不丢失
- 高性能：支持高并发与低延时，即单位时间内处理的多好，每个任务的处理时间短。
- 一致性：一致性有很多等级，一致性越强，对用户越友好，但会制约系统的可用性；一致性等级越低，用户就需要兼容数据不一致的情况，但系统的可用性、并发性很高很多。
分布式系统问题：
分布式与单机系统相比，会遇到更多的挑战：
- 单个节点的故障（进程 crash、断电、磁盘损坏）是小概率事件，但是节点越多，事故概率也就越高（指数级增加）
- 节点之间通过网络通信，网络本身可能出现断网、高延迟的情况
解决上述问题的办法是：冗余或者复制集（Replication），即多个节点负责同一个任务，最为常见的就是分布式存储中，多个节点复制存储同一份数据，以此增强可用性与可靠性。同时，Replication 也会带来性能的提升，比如数据的 locality 可以减少用户的等待时间。
Partition 和 Replication 是解决分布式系统问题利器，但也引入了更多的问题，最常见的问题是一致性问题：因为复制集各个副本之间需要保持数据的一致性，一致性在系统的角度和用户的角度又有不同的等级划分。如果要保证强一致性，那么会影响可用性与性能，在一些应用（比如电商、搜索）是难以接受的。如果是最终一致性，那么就需要处理数据冲突的情况，这也是不同的一致性解决方案理论的诞生缘由，如：CAP、FLP。
简单的分布式架构：
架构图如下所示：
在客户端，用户使用 Web、APP、SDK，通过 HTTP、TCP 连接到分布式系统后：
- 第一个问题：选择哪个节点来提供服务？
- 负载均衡：通常使用负载均衡（load balance）解决
- 第二个问题：被负载到的服务器节点如何处理请求？
- 分布式缓存：简单的请求，比如读取数据，那么很可能是有缓存的，即分布式缓存，如果缓存没有命中，那么需要去数据库拉取数据。
- rpc：对于复杂的请求，可能会调用到系统中其他的服务。假设服务 A 需要调用服务 B 的服务，首先两个节点需要通信，网络通信都是建立在 TCP/IP 协议的基础上，但是，每个应用都手写 socket 是一件冗杂、低效的事情，因此需要应用层的封装，因此有了 HTTP、FTP 等各种应用层协议。当系统愈加复杂，提供大量的 http 接口也是一件困难的事情。因此，有了更进一步的抽象，那就是 RPC（remote produce call），使得远程调用就跟本地过程调用一样方便，屏蔽了网络通信等诸多细节，增加新的接口也更加方便。
- 分布式事务：一个请求可能包含诸多操作，即在服务 A 上做一些操作，然后在服务 B 上做另一些操作。比如简化版的网络购物，在订单服务上发货，在账户服务上扣款。这两个操作需要保证原子性，要么都成功，要么都不操作。分布式事务是从应用层面保证一致性：某种守恒关系。
- 服务注册与发现：上面说到一个请求包含多个操作，其实就是涉及到多个服务，分布式系统中有大量的服务，每个服务又是多个节点组成。那么一个服务怎么找到另一个服务（的某个节点呢）？通信是需要地址的，怎么获取这个地址，最简单的办法就是配置文件写死，或者写入到数据库，但这些方法在节点数据巨大、节点动态增删的时候都不大方便，这个时候就需要服务注册与发现：提供服务的节点向一个协调中心注册自己的地址，使用服务的节点去协调中心拉取地址。
- 第三个问题：如何处理日志？
- 消息队列：请求操作会产生一些数据、日志，通常为信息，其他一些系统可能会对这些消息感兴趣，比如个性化推荐、监控等，这里就抽象出了两个概念，消息的生产者与消费者。那么生产者怎么讲消息发送给消费者呢，RPC 并不是一个很好的选择，因为 RPC 肯定得指定消息发给谁，但实际的情况是生产者并不清楚、也不关心谁会消费这个消息，这个时候消息队列就出马了。简单来说，生产者只用往消息队列里面发就行了，队列会将消息按主题（topic）分发给关注这个主题的消费者。消息队列起到了异步处理、应用解耦的作用。
- 分布式运算：用户操作会产生一些数据，这些数据忠实记录了用户的操作习惯、喜好，是各行各业最宝贵的财富。比如各种推荐、广告投放、自动识别。这就催生了分布式计算平台，比如 Hadoop，Storm 等，用来处理这些海量的数据。
- 第四个问题：用户数据如何持久化？
- 分布式存储：用户的数据需要持久化，但数据量很大，大到按个节点无法存储，那么这个时候就需要分布式存储：将数据进行划分放在不同的节点上，同时，为了防止数据的丢失，每一份数据会保存多分。传统的关系型数据库是单点存储，为了在应用层透明的情况下分库分表，会引用额外的代理层。
分布式常见的技术实现：
架构体系： SOA、微服务、云原生
负载均衡： Nginx、LVS
开发框架： SpringCloud、ServiceComb、go-micro、go-kit
容器领域： Docker、Kubernetes、Prometheus、Istio
缓存系统： memcache、redis
协调中心： zookeeper、etcd、consul
rpc框架： grpc、dubbo、brpc
消息队列： kafka、rabbitMQ、rocketMQ
数据存储： mysql、oracle、MongoDB、HBase
数据搜索： elasticsearch、solr
日志系统： rsyslog、elk、flume
数据平台： hadoop、spark、storm、akka- 《从零开始学架构》：简单认识架构，并实践一些常见互联网技术
- 《互联网创业核心技术:构建可伸缩的 web 应用》：认识当前互联网架构的一些常见技术
经典书籍：
- 《数据密集型应用系统设计》：即 ddia
- 《大数据日知录》
- 《nosql 精粹》
下列书籍评分不高，但是部分章节值得一看：
- 《从 Paxos 到 Zookeeper 分布式一致性原理与实践》
- 《深入分布式缓存：从原理到实践》
- 《etcd 技术内幕》
- 《分布式实时处理系统：原理、架构与实现》：利用 C++开发一套分布式实时处理系统
- 《大规模分布式存储系统》：构建分布式存储系统必备
微服务设计：
- 《微服务架构设计模式》：
- 《微服务设计》 ：学习微服务的一些基础概念，本书可以最后看
- 《微服务设计原理与架构 郑天民》：冷门书籍，但是讲解也不错
- 《大型企业微服务架构实践与运营》：对微服务技术、理念的总结
微服务落地：
- 《架构探险：轻量级微服务架构（下册》：下册的微服务基本实践不错
- 《架构修炼之道》
- 《持续演进的 Cloud Native》
- 《微服务架构实战 郑天民》
- 《代码整洁之道》
- 《架构整洁之道》
- 《代码大全（第 2 版）》
- 《重构（第 2 版）》：第 2 版基于 JavaScript，第 1 版基于 Java
MySQL：
- 《涂抹 MySQL》：基础入门
- 《高性能 MySQL》：mysql 开发技巧提升
- 《MySQL 性能调优与架构设计》：MySQLDBA 宽泛学习
- 《MySQL 技术内幕 InnoDB 存储引擎 第 2 版》
- 《数据库索引设计与优化》
- 《数据库查询优化器的艺术》
Redis：
- 《Redis 开发与运维》：基础入门
- 《Redis 深度历险》：开发技巧提升
- 《Redis 设计与实现》：redis 源码与架构
MongoDB：
- 暂无
PostgreSQL：
Oracle：
- 《涂抹 Oracle》
- 《收获，不止 Oracle》
- 《Oracle Database 9i/10g/11g 编程艺术》
- 《Oracle 性能诊断艺术》
- 《Oracle 高效设计》
- 《构建 Oracle 高可用环境》
- 《DBA 的思想天空》
- 《Oracle RAC 日记》
- 《深入解析 Oracle》
- 《Oracle DBA 手记 2》
- 《海量数据库解决方案》
docker:
k8s:
OverNote：https://github.com/overnote 笔者的地址：https://github.com/ruyuejun
OverNote 分类：