分布式系统

分布式系统是一种由多个独立的计算机（或节点）通过网络连接组成，协同工作以完成共同任务的系统。这些节点在物理上可能分散在不同位置，但通过通信协议（如TCP/IP）交换信息，对外呈现为一个统一的整体，用户无需感知内部的分布式结构。

核心特征

1. 分布性
   节点在物理上分散（可能跨机房、城市甚至国家），没有共享的内存或时钟，依赖网络通信协作。
2. 并发性
   多个节点可同时处理任务，例如电商平台的订单系统和库存系统并行工作。
3. 透明性
   用户或应用程序无需知道任务由哪个节点执行。例如：
   • 位置透明性：访问“用户数据”时无需知道数据存储在哪个服务器。
   • 故障透明性：部分节点故障时，系统仍能正常运行（如多副本存储）。
4. 自治性
   每个节点是独立的计算机，可自主运行和管理，节点故障不会直接导致整个系统崩溃。
5. 一致性挑战
   由于网络延迟、节点故障等，维持数据或状态的一致性是核心难题（如分布式数据库的“CAP理论”）。

典型应用场景

• 互联网服务：搜索引擎（如Google）的分布式爬虫和索引系统、云计算平台（如AWS、阿里云）的服务器集群。
• 大数据处理：Hadoop（分布式存储HDFS+计算MapReduce）、Spark等，用于处理PB级数据。
• 分布式数据库：MySQL集群、MongoDB分片集群，解决单库性能瓶颈。
• 即时通信：微信、WhatsApp的消息转发节点，确保全球用户实时通信。

与集中式系统的对比

维度	分布式系统	集中式系统
结构	多节点通过网络连接	单台主计算机处理所有任务
扩展性	可通过增加节点轻松扩展（水平扩展）	需升级硬件（垂直扩展），成本高
可靠性	部分节点故障不影响整体	单点故障导致系统瘫痪
复杂度	需解决通信、一致性、容错等问题	设计简单，无需处理分布式问题

关键技术挑战

• 通信延迟：网络传输速度远慢于内存访问，可能导致任务协调延迟。
• 数据一致性：多节点存储同一数据时，需通过协议（如Paxos、Raft）确保读写一致。
• 容错处理：节点崩溃、网络分区（如机房断网）时，需自动切换到备用节点。
• 负载均衡：避免部分节点过载（如通过Nginx反向代理分配请求）。

分布式系统的核心价值在于通过“分而治之”提升系统的处理能力、可靠性和扩展性，是支撑大规模互联网服务和数据处理的基础架构。