分布式系统与高并发：概览

引言：“多大脑”问题

在单机世界中，CPU 掌控一切。但在 分布式系统 中，你有成百上千个“大脑”（服务器）必须协同工作。

• 如果网络断开，服务器 A 无法与服务器 B 通信怎么办？
• 如果 1 万个用户在同一毫秒内抢购最后一部 iPhone 怎么办？

本章涵盖了让互联网在面对故障时依然能可靠运行的算法。

典型业务场景

• 金融交易： 确保在两个不同数据库分片之间转账时，钱既不会凭空产生也不会丢失 (2PC, Paxos)。
• 云原生协作： 确保集群中的所有节点都对“谁是领导者”达成一致 (Raft)。
• API 保护： 防止单个用户用 100 万个请求压垮你的系统 (限流)。
• 系统稳定性： 当某个微服务出现故障时自动切断流量，防止引发全线崩溃 (熔断)。

核心概念：CAP 定理

你无法同时拥有以下三者：

1. 一致性 (Consistency)： 所有节点在同一时间看到相同的数据。
2. 可用性 (Availability)： 每个请求都能收到响应（即使是旧数据）。
3. 分区容错性 (Partition Tolerance)： 即使网络出现故障，系统仍能继续工作。

现实情况： 在云端，网络故障 (P) 是不可避免的。你必须在 一致性 (Raft/Paxos) 和 可用性 (Gossip/最终一致性) 之间做出选择。

常见算法速览

• 5.1 Raft： 被 etcd 和 Kubernetes 采用的“易于理解”的一致性算法。
• 5.3 2PC (二阶段提交)： 处理跨数据库原子事务的经典方法。
• 5.5 限流算法： 用于流量控制的令牌桶 (Token Bucket) 和漏桶 (Leaky Bucket) 算法。
• 5.6 熔断器： 微服务架构中的“安全保险丝”。
• 5.8 向量时钟 (Vector Clocks)： 在没有全局时钟的情况下追蹤事件的先後順序。

选型对比速查

一句话心法

“分布式算法将由易故障机器组成的混乱网络，转化为一台单一、可靠的虛擬計算機。”