鏈接：///
程序員小樂(ID:)第743次推文 圖片來自
往日回顧：比爾·蓋茨、UNIX之父等全球14位IT大佬，總結的18句編程名言！
正文
一、什么是分布式架構
分布式系統(tǒng)（ ）是建立在網絡之上的軟件系統(tǒng)。
內聚性：是指每一個數(shù)據(jù)庫分布節(jié)點高度自治，有本地的數(shù)據(jù)庫管理系統(tǒng)。
透明性：是指每一個數(shù)據(jù)庫分布節(jié)點對用戶的應用來說都是透明的，看不出是本地還是遠程。
在分布式數(shù)據(jù)系統(tǒng)中，用戶感覺不數(shù)據(jù)是分布的，即用戶不須知道關系是否分割，有無副本，數(shù)據(jù)存在于那個站點以及事物在哪個站點上執(zhí)行。
簡單來說：在一個分布式系統(tǒng)中，一組獨立的計算機展現(xiàn)給用戶的是一個統(tǒng)一的整體，就好像是一個系統(tǒng)似的。
分布式系統(tǒng)作為一個整體對用戶提供服務，而整個系統(tǒng)的內部的協(xié)作對用戶來說是透明的，用戶就像是指使用一個mysql 一樣。
如：分布式mysql中間件 mycat ,來處理大并發(fā)大數(shù)據(jù)量的構架。
更多分布式：
1、10 分鐘看懂分布式事務
2、漫談、微服務、分布式和單體四種主流軟件架構
3、
4、
5、
6、
7、
8、
9、
二、分布式架構的應用
1、分布式文件系統(tǒng)
例如：出名的有 的 HDFS, 還有 的 GFS , 淘寶的 TFS 等；
2、分布式緩存系統(tǒng)
例如： , hbase, 等；
3、分布式數(shù)據(jù)庫
例如：mysql, , 等；
4、分布式
5、分布式計算
以分布式mysql數(shù)據(jù)庫中間件mycat 為例：
MySQL 在現(xiàn)在電商以及互聯(lián)網公司的應用非常多，一個是因為他的免費開源，另外一個原因是因為分布式系統(tǒng)的水平可擴展性，隨著移動互聯(lián)網用戶的暴增，互聯(lián)網公司，像淘寶，天貓，唯品會等電商都采用分布式系統(tǒng)應對用戶的高并發(fā)量以及大數(shù)據(jù)量的存儲。而在Mycat的商業(yè)案例中，有對中國移動的賬單結算項目中，應用實時處理高峰期每天2億的數(shù)據(jù)量，在對物聯(lián)網的項目中，實現(xiàn)處理高達26億的數(shù)據(jù)量，并提供實時查詢的接口。
通過對MyCat的學習，加深分布式系統(tǒng)架構的理解，以及分布式相關的技術，分布式一致性服務, 高可用/等相關應用。
三、資源推薦
1、大型分布式網站架構設計與實踐：
2、大型網站技術架構：核心原理與案例分析：
3、大型網站系統(tǒng)與Java中間件實踐：
4、分布式Java應用：基礎與實踐：
四、分布式架構的演進
1、初始階段架構
特征：應用程序，數(shù)據(jù)庫，文件等所有資源都放在一臺服務器上。
2、應用服務和數(shù)據(jù)服務以及文件服務分離
說明：好景不長，發(fā)現(xiàn)隨著系統(tǒng)訪問量的再度增加，機器的壓力在高峰期會上升到比較高，這個時候開始考慮增加一臺。
特征：應用程序、數(shù)據(jù)庫、文件分別部署在獨立的資源上。
3、使用緩存改善性能
說明：系統(tǒng)訪問特點遵循二八定律，即80%的業(yè)務訪問集中在20%的數(shù)據(jù)上。
緩存分為本地緩存和遠程分布式緩存，本地緩存訪問速度更快但緩存數(shù)據(jù)量有限，同時存在與應用程序爭用內存的情況。
特征：數(shù)據(jù)庫中訪問較集中的一小部分數(shù)據(jù)存儲在緩存服務器中，減少數(shù)據(jù)庫的訪問次數(shù)，降低數(shù)據(jù)庫的訪問壓力。
4、使用“應用服務器”集群
說明：在做完分庫分表這些工作后，數(shù)據(jù)庫上的壓力已經降到比較低了，又開始過著每天看著訪問量暴增的幸福生活了。
突然有一天，發(fā)現(xiàn)系統(tǒng)的訪問又開始有變慢的趨勢了，這個時候首先查看數(shù)據(jù)庫，壓力一切正常，之后查看，發(fā)現(xiàn)阻塞了很多的請求，而應用服務器對每個請求也是比較快的，看來是請求數(shù)太高導致需要排隊等待，響應速度變慢。
特征：多臺服務器通過負載均衡同時向外部提供服務，解決單臺服務器處理能力和存儲空間上限的問題。
描述：使用集群是系統(tǒng)解決高并發(fā)、海量數(shù)據(jù)問題的常用手段。通過向集群中追加資源，提升系統(tǒng)的并發(fā)處理能力，使得服務器的負載壓力不再成為整個系統(tǒng)的瓶頸。
5、數(shù)據(jù)庫讀寫分離
說明：享受了一段時間的系統(tǒng)訪問量高速增長的幸福后，發(fā)現(xiàn)系統(tǒng)又開始變慢了，這次又是什么狀況呢，經過查找，發(fā)現(xiàn)數(shù)據(jù)庫寫入、更新的這些操作的部分數(shù)據(jù)庫連接的資源競爭非常激烈，導致了系統(tǒng)變慢。
特征：多臺服務器通過負載均衡同時向外部提供服務，解決單臺服務器處理能力和存儲空間上限的問題。
描述：使用集群是系統(tǒng)解決高并發(fā)、海量數(shù)據(jù)問題的常用手段。通過向集群中追加資源，使得服務器的負載壓力不在成為整個系統(tǒng)的瓶頸。
6、反向代理和CDN加速
特征：采用CDN和反向代理加快系統(tǒng)的訪問速度。
描述：為了應付復雜的網絡環(huán)境和不同地區(qū)用戶的訪問，通過CDN和反向代理加快用戶訪問的速度，同時減輕后端服務器的負載壓力。CDN與反向代理的基本原理都是緩存。
7、“分布式文件”系統(tǒng) 和 “分布式數(shù)據(jù)庫”
說明：隨著系統(tǒng)的不斷運行，數(shù)據(jù)量開始大幅度增長，這個時候發(fā)現(xiàn)分庫后查詢仍然會有些慢，于是按照分庫的思想開始做分表的工作
特征：數(shù)據(jù)庫采用分布式數(shù)據(jù)庫，文件系統(tǒng)采用分布式文件系統(tǒng)。
描述：任何強大的單一服務器都滿足不了大型系統(tǒng)持續(xù)增長的業(yè)務需求，數(shù)據(jù)庫讀寫分離隨著業(yè)務的發(fā)展最終也將無法滿足需求搜索引擎原理與實踐 源程序，需要使用分布式數(shù)據(jù)庫及分布式文件系統(tǒng)來支撐。
分布式數(shù)據(jù)庫是系統(tǒng)數(shù)據(jù)庫拆分的最后方法，只有在單表數(shù)據(jù)規(guī)模非常龐大的時候才使用，更常用的數(shù)據(jù)庫拆分手段是業(yè)務分庫，將不同的業(yè)務數(shù)據(jù)庫部署在不同的物理服務器上。
8、使用NoSQL和搜索引擎
特征：系統(tǒng)引入NoSQL數(shù)據(jù)庫及搜索引擎。
描述：隨著業(yè)務越來越復雜，對數(shù)據(jù)存儲和檢索的需求也越來越復雜，系統(tǒng)需要采用一些非關系型數(shù)據(jù)庫如NoSQL和分數(shù)據(jù)庫查詢技術如搜索引擎。
應用服務器通過統(tǒng)一數(shù)據(jù)訪問模塊訪問各種數(shù)據(jù)，減輕應用程序管理諸多數(shù)據(jù)源的麻煩。
9、業(yè)務拆分
特征：系統(tǒng)上按照業(yè)務進行拆分改造，應用服務器按照業(yè)務區(qū)分進行分別部署。
描述：為了應對日益復雜的業(yè)務場景，通常使用分而治之的手段將整個系統(tǒng)業(yè)務分成不同的產品線，應用之間通過超鏈接建立關系，也可以通過消息隊列進行數(shù)據(jù)分發(fā)，當然更多的還是通過訪問同一個數(shù)據(jù)存儲系統(tǒng)來構成一個關聯(lián)的完整系統(tǒng)。
縱向拆分：將一個大應用拆分為多個小應用搜索引擎原理與實踐 源程序，如果新業(yè)務較為獨立，那么就直接將其設計部署為一個獨立的Web應用系統(tǒng)縱向拆分相對較為簡單，通過梳理業(yè)務，將較少相關的業(yè)務剝離即可。
橫向拆分：將復用的業(yè)務拆分出來，獨立部署為分布式服務，新增業(yè)務只需要調用這些分布式服務橫向拆分需要識別可復用的業(yè)務，設計服務接口，規(guī)范服務依賴關系。
10、分布式服務
特征：公共的應用模塊被提取出來，部署在分布式服務器上供應用服務器調用。
描述：隨著業(yè)務越拆越小，應用系統(tǒng)整體復雜程度呈指數(shù)級上升，由于所有應用要和所有數(shù)據(jù)庫系統(tǒng)連接，最終導致數(shù)據(jù)庫連接資源不足，拒絕服務。
五、分布式服務應用會面臨哪些問題？
1、當服務越來越多時，服務URL配置管理變得非常困難，F(xiàn)5硬件負載均衡器的單點壓力也越來越大。
2、當進一步發(fā)展，服務間依賴關系變得錯蹤復雜，甚至分不清哪個應用要在哪個應用之前啟動，架構師都不能完整的描述應用的架構關系。
3、接著，服務的調用量越來越大，服務的容量問題就暴露出來，這個服務需要多少機器支撐？什么時候該加機器？
4、服務多了，溝通成本也開始上升，調某個服務失敗該找誰？服務的參數(shù)都有什么約定？
5、一個服務有多個業(yè)務消費者，如何確保服務質量？
6、隨著服務的不停升級，總有些意想不到的事發(fā)生，比如cache寫錯了導致內存溢出，故障不可避免，每次核心服務一掛，影響一大片，人心慌慌，如何控制故障的影響面？服務是否可以功能降級？或者資源劣化？