【学习篇】什么是分布式系统
分布式系统是由 多个独立计算机（节点） 通过 网络通信 协同工作的系统，这些节点对外呈现为一个 统一的整体，用户无需感知内部的分布式架构。简单来说，就是“用多个计算机一起干一件事”，节点之间通过消息传递（如 RPC、HTTP、消息队列）协作完成任务。
一、分布式系统的核心目标
为什么需要分布式系统？本质是为了解决 单机系统的局限性：
- 性能瓶颈：单机 CPU、内存、磁盘、网络的处理能力有限（如单机能处理 1000 QPS，分布式可通过 10 台机器扩展到 10000 QPS）。
- 存储上限：单机硬盘容量有限，无法存储海量数据（如电商的商品库、用户数据）。
- 可用性需求：单机故障会导致服务不可用，分布式系统通过多节点冗余（如主从备份）实现高可用。
- 地理分布式：用户分布在不同地区（如中国、美国），需在各地部署节点以降低延迟（CDN、分布式数据库）。
二、分布式系统的关键特征
- 多节点协同
- 节点是独立的计算机（物理机、虚拟机或容器），可能分布在不同机架、机房甚至地区。
- 节点通过 网络通信 协作（网络存在延迟、丢包、分区等不可靠性）。
- 资源共享
- 节点共享系统的硬件（如存储、计算资源）和软件（如数据、服务），对外提供统一接口（用户无需关心数据存储在哪个节点）。
- 无全局时钟
- 各节点有自己的本地时钟，无法精确同步（如节点 A 记录时间
t1，节点 B 记录t2，但无法确定t1和t2的绝对先后顺序）。
- 故障独立性
- 节点可能独立发生故障（如宕机、网络断开），系统需具备 容错能力（如自动检测并替换故障节点）。
三、分布式系统的典型架构
根据业务场景，分布式系统有多种架构模式，以下是常见类型：
1. 客户端-服务器模式（C/S）
- 客户端：发起请求（如用户手机 APP、浏览器）。
- 服务器集群：接收并处理请求（如 Web 服务器集群、数据库集群）。
- 示例：电商网站（用户通过 APP 访问多个后端服务器，数据存储在分布式数据库）。
2. 微服务架构
- 将单体应用拆分为 独立的小型服务（如用户服务、订单服务、支付服务），每个服务独立部署、扩展和维护。
- 服务间通过 RPC（如 gRPC） 或 消息队列（如 Kafka） 通信。
- 示例：Netflix、阿里巴巴的业务系统（由数百个微服务组成）。
3. 分布式存储
- 将数据分散存储在多个节点，通过副本机制保证可靠性和可用性。
- 示例：
- GFS（Google 文件系统）、HDFS（Hadoop 分布式文件系统）：存储海量文件。
- 分布式数据库（如 Cassandra、TiDB、MongoDB 分片集群）：存储结构化/半结构化数据。
4. 分布式计算
- 将复杂任务拆分为子任务，分配给多个节点并行计算，最后汇总结果。
- 示例：
- MapReduce（大数据计算框架，如 Hadoop MapReduce）。
- Spark（内存分布式计算引擎）。
四、分布式系统的核心挑战（“坑”）
分布式系统的复杂度主要来自 网络不可靠 和 节点独立性，需解决以下关键问题：
1. 网络问题：延迟、分区、丢包
- 延迟：节点间通信存在网络延迟（如跨机房延迟 100ms+），导致同步困难。
- 网络分区（脑裂）：网络故障导致节点间无法通信，系统分裂为多个独立子集群（如 Redis 主从分区后，主库和从库可能同时接受写请求，导致数据不一致）。
- 解决方案：
- 超时机制（如 RPC 调用设置超时时间）。
- 一致性协议（如 Paxos、Raft，解决网络分区时的数据一致性）。
2. 数据一致性
- 问题：多节点存储数据时，如何保证数据副本的一致性（如主从数据库同步延迟，导致读写分离时读取到旧数据）。
- 一致性模型：
- 强一致性：所有节点同时看到最新数据（如分布式锁、银行转账），实现成本高（需同步等待）。
- 最终一致性：短期可能不一致，但经过一定时间后自动恢复一致（如分布式缓存、DNS 系统），可用性更高。
- 解决方案：
- 共识算法（如 Raft，用于分布式数据库的 Leader 选举和数据同步）。
- 分布式事务（如 2PC、TCC，保证跨服务操作的原子性）。
3. 节点故障
- 问题：节点可能宕机、重启或“脑死亡”（进程存活但无法通信），需自动检测并恢复服务。
- 解决方案：
- 心跳检测（节点定期发送心跳，超时未收到则判定为故障）。
- 主从切换（如 Redis 哨兵、Kubernetes 的节点自愈）。
- 副本机制（如每块数据存储 3 个副本，允许最多 2 个节点故障）。
4. 负载均衡
- 问题：如何将请求均匀分配到各节点，避免部分节点过载（“热点问题”）。
- 解决方案：
- 负载均衡器（如 Nginx、LVS，分发流量到后端服务器）。
- 一致性哈希（如分布式缓存 Redis Cluster，避免节点变化导致大量数据迁移）。
五、分布式系统的典型技术栈
| 功能领域 | 典型技术/工具 |
|---|---|
| 服务通信 | gRPC（RPC 框架）、HTTP/REST、Kafka（消息队列） |
| 服务治理 | Spring Cloud（微服务框架）、Kubernetes（容器编排） |
| 分布式存储 | HDFS、Ceph、TiDB、MongoDB 分片集群 |
| 分布式计算 | Hadoop MapReduce、Spark、Flink |
| 一致性协议 | Raft（etcd、TiDB）、Paxos |
| 分布式锁 | Redis 分布式锁、ZooKeeper 分布式锁 |
| 监控与追踪 | Prometheus（监控）、Jaeger（链路追踪） |
六、如何判断一个系统是否是分布式系统？
满足以下任一特征即可视为分布式系统：
- 多节点协作：任务由多个独立计算机共同完成（如用户请求被负载均衡到不同 Web 服务器）。
- 数据分布存储：数据分散在多个节点（如数据库分库分表，不同表存储在不同节点）。
- 服务独立部署：系统由多个独立部署的服务组成（如微服务架构中的用户服务、订单服务）。
七、总结
分布式系统的本质是 “用多个计算机协同解决单机无法处理的问题”，通过网络将节点连接，对外呈现为统一整体。其核心挑战来自网络不可靠和节点故障，需通过一致性协议、容错机制、负载均衡等技术保证系统的可用性、性能和数据一致性。
一句话概括：分布式系统 = 多节点 + 网络通信 + 协同工作，目标是突破单机局限，支撑高并发、海量数据和高可用服务。