分布式是一种思想，旨在将原本的单节点应用分布到不同的服务器节点，以求获得更大的运算能力和更高的性能代备案分布式操作系统。分布式操作系统，Java大型互联网架构-如何正常掌握分布式系统的大部分技术(技术先进的java分布式)分布式技术太广了，涉及到将多个服务器的CPU，内存硬盘等组成一个统一的整体，而服务，计算分布在不同的服务器上，服务之间的通信，分布式之后的全局唯一性，数据一致性，分布式事务等等，每一项可以说在实际工作中都会有大量的坑，不经历过很难明白，下面是我的粗浅理解:分布式存储:数据库:数据库的主从复制，读写分离，分库分表这些东西，都是通过数据分布在不同的节点，以实现数据查询与修改的更高的效率，同时防止数据在单一节点上因为某些原因的丢失，推荐自己搭建mysql主从，使用spring aop代码开发或者组件搭建读写分离，使用mycat等组件实现分库分表！文件:分布式文件存储系统，有HDFS和Gluster等大型的系统，提供更好的容错性和扩展能力！分布式服务:对外提供高度内聚，透明，内部灵活，分散的服务集群！前后端分离:将前后端的服务拆分在不同的集群中，以保证前后端技术架构上的分离，使用node.js部署前端服务，与用户进行交互，后台通过某种通信协议，提供动态数据给前端调用！后端微服务:以单独业务为导向，建立起细粒度的服务，同时服务之间通过服务发现组件进行通信，在用的springcloud还不错，集成了网关，熔断器，负载均衡等，可以进行快速的搭建！服务之间的通信通常有服务暴露直接调用(zk.eureka等服务注册与发现)，异步消息传输(kafka等消息队列)！分布式缓存:缓存通常是内存型缓存，可以用来快速的存取数据，减少数据库的压力！分布式缓存通常使用主从复制，高可用方式搭建起集群，提高整个缓存系统的容纳能力，也避免单一缓存节点宕机对整个服务的影响，用的较多的是redis集群(基于redis的集群搭建，请参考:///question/6493663252021510414/) redis缓存还因为单线程模型，可以用来做分布式锁实现！分布式计算:将一些大型的计算，使用策略分布到不同的机器上，然后汇总得到计算结果，一般使用map-reduce模型，hadoop，spark等都是成熟而且大规模使用的框架！分布式技术并没有严格分类，技术也五花八门，作为一个程序员只能是每天不断的学习才能得以入门，每个人的学习能力，领悟到的东西也有不同，今天就写这么多，更多的技术分享，敬请关注。。。高可用性确实是分布式系统一项重要的指标，跟数据一致性，分区容错性组成了分布式系统的CAP原则，本文只针对高可用性分析如下：高可用性：High Availability，保证分布式系统在较长的时间内能正常响应，持续可用，业界常用几个9的说法来说明高可用性，比如说5个9，就是99.999%，全年只能停机几十分钟而已！毫无疑问，单点的系统是无论如何也不可能实现高可用的，因为受到单点故障，服务发布，网络延迟等原因，客户端总会接收不到响应，即服务不可用！比如数据库常用的集群手段有：1，主从复制，读写分离：不能做到高可用，如果主机挂了，整个系统的写功能就不能用了！2，分库分表：不能做到高可用，分库分表是把所有的数据分布到了很多的分库中，其中一个分库挂了，这部分数据就没了！3，双主互备：可以做到高可用，双主机数据一致，能动态切换主库，其中一台坏了，另一台可提供使用！双主互备得到的集群虽然实现了高可用，由于双机数据一致，限制了整个集群的容量！分布式服务的高可用更加的复杂，因为分布式系统对外是一个整体，换句话说分布式的高可用需要保证分布式系统中包括应用系统，数据库，缓存系统，消息组件等所有服务的高可用性！高可用性的解决方法一般来说比较单一，包括数据冗余，故障熔断，服务转移！数据冗余保证在任何时候最新的数据都不丢失，多份数据冗余也为后期的数据还原提供基础！故障熔断，服务转移保证单个服务不可用时，使用熔断防止服务不可用影响别的服务，并使用最新的健康服务以替换！针对应用系统的单点，一定要压测出最大的容纳能力，同时可以使用负载均衡的方式搭建集群，服务还应该设计为幂等的，防止数据一致性问题！高可用性解决方案貌似除了堆机器，没有更好的办法，不知道大家有什么手段，写出来让大家学习学习！