轉載：https://www.cnblogs.com/xybaby/p/7076731.html

目錄

• 寫在前面
• 帶著問題出發
  • 資料分片
  • 資料冗餘
  • 其他
• 總結：

正文

　　很長一段時間，對分散式系統都比較感興趣，也聽說過、瞭解過其中一些相關的知識點，但都比較零碎。一直想系統的學習一下，但是一拖再拖，寫下本文，也是希望能督促自己。

寫在前面

回到頂部

　　聽過很多道理，卻依然過不好這一生。

　　看過很多關於學習的技巧、方法，卻沒應用到自己的學習中。

　　隨著年紀變大，記憶力越來越差，整塊的時間也越來越少，於是，越來越希望能夠更高效的學習。學習是一種習慣也是一種能力，這種能力在上學期間養成是最好的，畢竟那個時候絕大部分時間都在學習。但很遺憾，我沒有養成適合自己的、好的學習習慣。工作之後，除了在日常工作中用到的知識技術，很難通過自學掌握新的知識（偏向於專業知識，即技術）。而網際網路行業的分支、知識點又是如此之多，於是會出現這樣的情況，遇到一個新的知識，覺得很厲害很感興趣，看兩天，但很快就忘記了。另外，對於一些比較龐雜的技術，又無從下手，也很難堅持下去。

　　根本的問題在於學習不繫統，沒有把一個個的知識點連線起來，本來這些新的知識就很少在工作中實踐，如果又是一個個的資訊孤島，很快就會被遺忘。另一個問題，沒有良好的規劃，今天看看這裡，明天看看哪裡，糾結於細枝末節，忘了從整體上把握。

　　幸好，差不多半年前開始意識到了這個問題，開始看書，看別人的部落格，開始思考如何充分利用好有限的時間。自己也實踐了一些想法，比如寫部落格，堅持寫部落格。也有很多沒做好，比如如何學習掌握一門新技術。關於這一點，其實看了許多文章，也有很多印象深刻，覺得很有道理；也有一些好書，比如《study more，learn less》。紙上得來終覺淺，絕知此事要躬行，別人的辦法再好也需要親身實踐才知道是否對自己適用。

　　需要學習的技術很多，要自學新知識也不是一件容易的事，選擇一個自己比較感興趣的會是一個比較好的開端，於是，打算學一學分散式系統。

　　帶著問題，有目的的學習，先了解整體架構，在深入感興趣的細節，這是我的計劃。

　　首先得有問題，如果每日重複相同的工作，也不主動去學習，很難發現新的問題。不怕自己無知，就怕不知道自己無知，只有不斷的學習，才會發現更多未知的知識領域！

帶著問題出發

回到頂部

　　分散式要解決什麼問題呢？解決持久化資料太大，單個節點的硬碟無法儲存的問題；解決運算量太大，單個節點的記憶體、CPU無法處理的問題。解決這些問題，有兩種思路：scale up，scale out。前者就是提升單個節點的能力，更大的磁碟，更快的CPU，定製的軟硬體，然而這意味著更高的價格，而且再怎麼scaleup 也是有上限的。後者就是把儲存、計算任務分擔到普通的機器上，通過動態增加節點來應對資料量的增長，但缺點是多個節點的管理、任務的排程比較麻煩，這也是分散式系統研究和解決的問題。只有當資料量達到單機無法儲存、處理的情況下才考慮分散式，不然都是自找麻煩。

　　狀態的維護比計算要難很多，所謂狀態就是需要持久化的資料。因此主要考慮分散式儲存，況且即使是分散式計算，為了節省頻寬需要儘量保證data locality，也是需要分散式儲存。

　　現在有一堆資料，可能是結構化或者半結構化，需要將資料分片（segment、fragment、shard），形成一個個的資料子集，儲存到一組物理節點上，物理節點之間通過網路通訊。那麼需要考慮兩個問題：

　　第一：資料如何劃分; 

　　第二：資料的可靠性、可用性問題

資料分片

　　資料分片是指將資料子集儘可能均衡的劃分到各個物理節點上。那麼會有哪些挑戰呢？

　　（1）如果某個物理節點宕機，如何將該物理節點負責的資料儘快的轉移到其他物理節點；

　　（2）如果新增了物理節點，怎麼從其他節點遷移資料到新節點；

　　（3）對於可修改的資料（即不是隻能追加的資料），比如資料庫資料，如果某節點資料量變大，怎麼將部分資料遷移到其他負載較小的節點，及達到動態均衡的效果。

　　（4）元資料的管理問題：當資料分佈在各個節點，那麼當用戶使用的時候需要知道具體的資料在哪一個節點上。因此，系統需要維護資料的元資料：即每一個數據所在的位置、狀態等資訊。當用戶需要具體的資料時，先查詢元資料，然後再去具體的節點上查詢。當資料在節點之間遷移的時候，也需要更新元資料。元資料的管理節點這裡稱之為meta server。元資料的管理也帶來了新的挑戰：

　　　　（4.1）如何抽取資料的特徵（特徵是分片的依據，也是使用者查詢資料時的key），或者支援使用者自定義資料特徵；

　　　　（4.2）如何保證meta server的高效能和高可用，是單點還是複製集

　　（5）分片的粒度，即資料子集的大小，也是資料遷移的基本單位。粒度過粗，不利於資料均衡；粒度過細，管理、遷移成本又會比較大。

　　自問自答（2017 06 28）：

　　帶著問題學習分散式系統之資料分片 

資料冗餘

　　前面提到，分散式系統中的節點都是普通的節點，因此有一定的概率會出現物理故障，比如斷電、網路不可用，這些故障導致資料的暫時不可用；另外一些故障更嚴重，會導致資料的丟失，比如磁碟損壞。即使單個節點的故障是小概率，當叢集中的節點數目很多是，故障就成為了一個大概率事件。因此，保證資料的高可用和可靠性是分散式系統必須解決的問題。

　　為了避免單點故障，可行的辦法就是資料冗餘（複製集），即將同一份資料放在不同的物理節點，甚至是不同的資料中心。如果資料是一次寫，多次讀那很好辦，隨便從哪個副本讀取都行。但對於很多分散式儲存系統，比如資料庫，資料是持續變化的，有讀有寫。那麼複製集會帶來什麼樣的挑戰呢，需要如何權衡呢，假設有三個副本：

　　（1）三個副本的地位，大家都是平等的還是有主（primary、master）有次（secondary、slave），如果是平等的，那麼每個節點都可以接收寫操作；如果不平等，可以一個節點負責所有的寫操作，所有節點都提供讀操作，

　　（2）在平等的情況下，怎麼保證寫入操作不衝突，保證各個節點的資料是一致的，怎麼保證能讀取到最新的資料

　　（3）不平等的情況下

　　　　（3.1）寫節點怎麼將變更的資料同步到其他節點，同步還是非同步；

　　　　（3.2）非寫節點能否提供讀資料，如果能夠允許，會不會讀取到過時的資料。

　　　　（3.3）主節點是怎麼產生的，當主節點宕機的時候，怎麼選擇出新的主節點。是有統一的複製集管理中心（記錄誰主誰次，各自的狀態），還是複製集自己選舉出一個主節點？

　　（4）不管複製集內部的節點是平等的，還是有集中式節點的，只要有多個數據副本，就需要考慮資料的一致性可用性問題。按照CAP理論，只能同時滿足一致性 可用性 分割槽容錯性之間的二者，不同的分散式系統需要權衡。

 　　自問自答（2017 08 30）

　　帶著問題學習分散式之中心化複製集

其他

　　分散式系統有自己的術語或者概念。在當前的這個時間點，我對其中的一些有了解，或者使用過；另外一些只是聽說過，不甚瞭解；當然，還有更多的是不知道的，是需要在後續的學習中去發現、去掌握的。

　　分片 副本 一致性雜湊 冪等 CAP paxos raft NWR lease 兩階段提交協議 三階段提交協議 拜占庭問題

　　目前收集到的學習資料如下：

　　劉傑的《分散式系統原理介紹》

　　Distributed systems for fun and profit  

　　CMU課程：http://www.cs.cmu.edu/~dga/15-440/S14/syllabus.html

　　MIT課程：http://nil.csail.mit.edu/6.824/2016/schedule.html

　　前面兩個是基礎整體介紹，最後一個是MIT的課程，網上評價很高，也有很多人在學習。

總結：

回到頂部

　　對於一門新技術，不要上來就開幹，思考新技術解決了什麼問題、已有的技術能否替代、適用場景與缺陷。對於自己（程式設計師），想想為什麼要學、是深度還是廣度知識、該技術在自己的技能樹中的位置。

　　對於學習，需要長期目標與短期目標相結合。長期目標很重要，但需要分解成一個個小目標，否則很容易在停頓、重拾之間打轉，也很容易分心到其他雜事，也就堅持不下去了。