📚 课程目录第1章分布式系统概述

一、分布式系统概述

大家好，我是这门课的主讲。今天咱们聊聊分布式系统——说白了，就是把一堆廉价的普通计算机连起来，让它们像一台超级计算机一样干活。我做了十几年分布式系统，踩过的坑比走过的路还多，今天就把这些经验掏心窝子分享给你。

先给个定义：分布式系统是多个独立计算机节点通过网络通信、协同工作，对外呈现为一个统一整体的系统。

你想想看，你每天用的微信、淘宝、抖音，背后都是成千上万台服务器在干活。用户发一条消息，可能经过几十个节点处理，但你感觉就像在跟一台机器交互。这就是分布式系统的魅力。

核心特征：

我记得刚入行时，带我的老工程师说："分布式系统就是一群不靠谱的机器，通过不靠谱的网络，要完成靠谱的任务。"当时觉得是玩笑，后来才发现——这是真理。

分布式系统不是一天建成的。我把它分成几个阶段：

我个人习惯把2004年作为一个分水岭。那年Google发表了GFS、MapReduce、BigTable三篇论文，彻底改变了行业。我之前在电商公司做架构时，就参考了这些思想，用Hadoop搭了一套离线数据处理平台——虽然现在看很粗糙，但当时确实解决了单机处理不了的难题。

分布式系统难在哪？说白了就三个字：不确定性。

单机系统里，函数调用要么成功要么失败，结果可预测。但在分布式系统里，你发一个网络请求，可能遇到的情况太多了：

我曾经在一个金融项目中遇到过：两个数据中心之间的专线断了，但应用层完全没感知，结果两边同时处理同一笔订单，最后对账时发现数据不一致——那叫一个惨。

CAP理论是分布式系统最基础的理论，没有之一。它说：一致性（Consistency）、可用性（Availability）、分区容错性（Partition Tolerance），三者最多同时满足两个。

CAP详解：

你想想看，网络分区是必然发生的——交换机故障、光纤被挖断、机房断电，这些事我全遇到过。所以实际系统中，P是必选的。剩下的就是在C和A之间做取舍：

嗯，这里要注意：CAP里的"一致性"指的是强一致性。实际工程中，我们更多用"最终一致性"来换取可用性。我做过一个社交Feed系统，用户发帖后，好友看到的时间可能有几秒延迟——用户能接受，系统却获得了高可用。

一致性模型定义了系统对数据"多新"的保证。我按从强到弱排个序：

我个人习惯这样选：涉及钱的用强一致性，涉及用户体验的用最终一致性，纯日志用弱一致性。别一上来就追求强一致，那会让系统变得又慢又脆弱。

避坑指南：

我曾经在一个项目中，产品经理要求"用户修改密码后立即生效"。我用了强一致方案，结果每次改密码都要等几百毫秒，用户体验极差。后来改成：密码更新写入主库，读请求先查主库，如果主库挂了才读从库——既保证了安全，又没牺牲性能。记住：不要为了理论完美牺牲工程实用。

下面这张图是我自己画的分布式系统知识体系，也是这门课的核心脉络。你先把框架记在脑子里，后面每章都会对应到具体节点。

这张图把分布式系统拆成了四层：三大基石（通信、存储、计算）→ 核心挑战（CAP、一致性、时间）→ 关键技术（共识、事务、锁、发现）→ 实践工具。后面29章，咱们一层层往下啃。

这一章咱们聊了：

说实话，分布式系统入门不难，难的是遇到问题时的判断力。我见过太多人背了一堆理论，一上线就抓瞎。所以这门课我会尽量多讲"我当年是怎么搞砸的"，让你少走弯路。

课后思考：

你正在设计一个电商系统的库存模块。要求：库存不能超卖（强一致），但用户查询库存要快（低延迟）。你会怎么选型？是CP还是AP？用哪种一致性模型？

别急着翻答案——先自己想想。下章咱们讲分布式通信时，我会用这个例子展开。