分布式系统在增大系统容量分布式操作系统、提高系统复用性、使系统扩展性更高的同时代备案，同时也有不少难点和缺点。分布式操作系统，在分布式系统中，有哪些设计或实现上的难点网络开销传统架构，所有的业务逻辑都被打成一个代码包进行部署，所有模块运行都是在同一个JVM中，不会存在网络的开销（应用到数据库的网络开销不讨论，这里和主要指代码和代码之间的调用）；而分布式架构中，模块和模块可能会被部署到不同的机器上，它们之间的访问需要通过远程调用的方式来实现，网络IO就成为不可忽视的性能瓶颈了。特别是在微服务的阶段，服务被拆分的比较小，一次完整的业务流程可能需要几个微服务，这时候网络问题更会凸显出来。通常我们会增加带宽、使用专线等方式，降低网络开销；代码方面，会采用失败重试或者异步化的方式，来解决网络延迟问题，后者也无疑增加了代码实现难度。服务依赖性问题一个完整的应用，被拆分成了多个服务，服务和服务之间肯定是有依赖性的；如果有一个关键性的服务挂掉了，那么整个服务链路上的所有服务，都会产生问题。这时候就需要进行服务治理，梳理出来关键业务和非关键业务，以及服务的调用路径；数据库要做响应的隔离；避免非关键性业务把数据库搞死，从而导致关键性业务也变成不可用；所以，理论上每个服务都要有独立的数据库，数据不做共享，但是现实中经常无法做到。数据一致性问题Consistency：强一致性，事务保障，ACID模型；Availiablity：高可用性，避免单点；Partition tolerance：高可扩展性。我们经常会说的CAP原理，也就是CAP这三个因素不可能兼顾，最多只能满足两个；分布式系统来说更为强调A和P，所以会选择适当放弃一致性，或者说分布式系统通常会选择保证最终一致性；为解决这个问题，架构中需要引入消息表、MQ（事务消息）或其他的补偿手段，这无疑也加大了项目实现的难度。另外，分布式系统也会让测试变得更加的复杂，多层的架构也让运维变得复杂；分布式架构在提高系统可用性的同时，也带来了更多的挑战。我将持续分享Java开发、架构设计、程序员职业发展等方面的见解，希望能得到你的关注。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。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。。。