这是我参与「第五届青训营 」伴学笔记创作活动的第 7 天
一、本堂课重点内容：
- 分布式概述
- 系统模型
- 理论基础
- 分布式事务
- 共识协议
- 分布式实践
二、详细知识点介绍：
-
分布式系统是计算机程序的集合，这些程序利用多个独立计算节点的计算资源来实现共同的目标。分为分布式计算、分布式存储、分布式数据库等
-
优势：去中心化、低成本、弹性、资源共享、可靠性高
-
挑战：普遍的节点故障、不可靠的网络、异构的机器与硬件环境、安全
-
分布式存储：GFSgoogle分布式文件系统 Hadoop HDFS基于GFS架构的开源分布式文件系统 Zookeeper高可用的分布式数据管理与系统协调框架
-
分布式数据库：HBase，MangoDB
-
分布式计算：Hadoop、Spark
-
最难处理的故障：节点可以篡改发送给其他节点的数据，大多数分布式系统不解决拜占庭故障
-
慢了还不如死掉，死掉后寻找一个新的节点可以更快解决问题
-
拜占庭将军问题：共识和消息传递的不同:即便保证了消息传递成功，也不能保证达成共识。TCP三次握手实在两个方向确认包的序列号，增加了超时重试，是两将军问题的一个工程解。
-
一致性和可用性是对矛盾
-
线性一致性和强一致性相似
-
利用逻辑时钟，我们可以对整个系统中的事件进行排序
-
CAP 一致性，可用性和隔离性 CA(单机) CP（安全） AP（用户体验）
-
Base理论是对cap中一致性和可用性权衡的结果，核心思想：基本可用，软状态，最终一致性（AP）
-
两阶段提交 预写式日志被保持在可靠的存储设备上 prepare阶段和commit阶段 在prepare阶段，如果某个事务参与者反馈失败消息，说明该节点的本地事务执行不成功，必须回滚。
-
MVCC是一种并发控制方法，为每一个修改保存一个版本，和事务的时间戳相关联。可以提高并发性能，解决脏读的问题。
-
Quorum NWR N备份数据份数 W一次成功的更新操作要求至少有W份数据写入成功 R一次成功的读取操作要求至少有R份数据成功读取 W+R>N 允许数据覆盖 将CAP的选择交给用户
-
Raft协议是一个分布式一致性算法，即使出现部分节点故障2，网络延时等情况，也不影响各节点，进而提高系统的整体可用性。leader、follower、candidate
-
Leader - 领导者：Leader 负责处理所有的客户端请求，并向Follower同步请求日志，当日志同步到大多数节点上后，通知Follower提交日志
-
Follower - 跟随者：接受并持久化Leader同步的日志，在Leader告知日志可以提交后，提交日志
-
Candidate - 备选者：Leader选举过程中的临时角色。向其他节点发送请求投票信息
-
Log（日志）：节点之间同步的信息，以只追加写的方式进行同步，解决了数据被覆盖的问题
-
Term（任期号）：单调递增，每个Term内最多只有一个Leader
-
Committed：日志被复制到多数派节点，即可认为已经被提交
-
Applied：日志被应用到本地状态机：执行了log中命令，修改了内存状态
四、课后个人总结：
- 分布式一般在参加工作后才会接触的，应该是属于基础架构的工作范围吧。基于CAP理论进行取舍。通过MIT的课程、论文等可以更加深入的了解分布式算法。
五、引用参考：
-
无
