什么是分布式计算？所谓分布式计算是一门计算机科学，它研究如何把一个需要非常巨大的计算能力才能解决的问题分成许多小的部分，然后把这些部分分配给许多计算机进行处理，最后把这些计算结果综合起来得到最终的结果。

1

Q：什么是分布式缓存？

A：为了提高性能和响应时间，在应用程序（通常是Web应用程序）中“部署”并确保数据从内存加载而不是从磁盘加载（速度更慢）的解决方案。

如果要在单台机器上使用高速缓存，那么看起来很简单 - 只需从内存中的数据库中加载最活跃的数据（例如Guava Cache实例），然后从中提供。当必须在集群中工作时，它变得有点复杂 - 例如5个应用节点以循环方式向用户提供请求。

2

Q：如何实现分布式系统的高可用性？

A：高可用性的前提是：保证服务系统能够持续工作，实现高可用性一般有两种手段： 一种是通过第三方软件／组件保证系统的可用性；另一种是软件／组件自身己具备高可用的技术实现。

3

Q：分布式系统的优势

A：分布式可繁也可以简，最简单的分布式就是大家最常用的，在负载均衡服务器后加一堆web服务器，然后在上面搞一个缓存服务器来保存临时状态，后面共享一个数据库，其实很多号称分布式专家的人也就停留于此，大致结构如下图所示：

4

Q：分布式与集群的区别是什么？

A：分布式：一个任务分给多台机器去做，减少单个任务的执行时间。

集群：提高单位时间内执行任务数。

例如：一个任务由10个子任务组成，每个子任务单独执行需要1个小时，则在一台服务器上执行该任务需要10个小时。

分布式方案：提供10台服务器，每台服务器只处理一个子任务，不考虑任务间的依赖关系，执行完这个任务只需要一个小时。

集群方案：同样提供10台服务器，每台服务器都能独立处理这个任务。假设有10个任务同时到达，10个服务器将同时工作，10小时后，10个任务同时完成，同样是一个小时完成一个任务。

5

Q：分布式系统面临的挑战

A：分布式系统需要大量机器协作，面临诸多的挑战：

第一，异构的机器与网络：

分布式系统中的机器，配置不一样，其上运行的服务也可能由不同的语言、架构实现，因此处理能力也不一样；节点间通过网络连接，而不同网络运营商提供的网络的带宽、延时、丢包率又不一样。怎么保证大家齐头并进，共同完成目标，这四个不小的挑战。

第二，普遍的节点故障：

虽然单个节点的故障概率较低，但节点数目达到一定规模，出故障的概率就变高了。分布式系统需要保证故障发生的时候，系统仍然是可用的，这就需要监控节点的状态，在节点故障的情况下将该节点负责的计算、存储任务转移到其他节点

第三，不可靠的网络：

节点间通过网络通信，而网络是不可靠的。可能的网络问题包括：网络分割、延时、丢包、乱序。相比单机过程调用，网络通信最让人头疼的是超时：节点A向节点B发出请求，在约定的时间内没有收到节点B的响应，那么B是否处理了请求，这个是不确定的，这个不确定会带来诸多问题，最简单的，是否要重试请求，节点B会不会多次处理同一个请求。

总而言之，分布式的挑战来自不确定性，不确定计算机什么时候crash、断电，不确定磁盘什么时候损坏，不确定每次网络通信要延迟多久，也不确定通信对端是否处理了发送的消息。而分布式的规模放大了这个不确定性，不确定性是令人讨厌的，所以有诸多的分布式理论、协议来保证在这种不确定性的情况下，系统还能继续正常工作。

小伙伴们冲鸭，后台留言区等着你！

关于分布式，今天你学到了什么？还有哪些不懂的？除此还对哪些话题感兴趣？快来留言区打卡啦！留言方式：打开第XX天，答：……

同时欢迎大家搜集更多问题，投稿给我们！风里雨里留言区里等你~

福利

1、扫描添加小编微信，备注“姓名+公司职位”，加入【云计算学习交流群】，和志同道合的朋友们共同打卡学习！

推荐阅读：

• 同样是消息队列，Kafka凭什么速度那么快？

• 苹果宣布加入CNCF；华为要求美国运营商支付专利费；微软删除最大的公开人脸识别数据集

• 如何给老婆解释什么是微服务？

• 任正非：华为 100% 没有后门

• 阿里巴巴杨群：高并发场景下Python的性能挑战

• 那些去德国的程序员后来怎么样了？

• 新技术“红”不过十年，半监督学习为什么是个例外？

• 独家对话V神! 质疑之下的以太坊路在何方?

真香，朕在看了！