分散式系統與高併發：概覽

引言：「多大腦」問題

在單機世界中，CPU 掌控一切。但在 分散式系統 中，你有成百上千個「大腦」（伺服器）必須協同工作。

• 如果網路斷開，伺服器 A 無法與伺服器 B 通訊怎麼辦？
• 如果 1 萬個使用者在同一毫秒內搶購最後一部 iPhone 怎麼辦？

本章涵蓋了讓網際網路在面對故障時依然能可靠執行的演算法。

典型業務場景

• 金融交易： 確保在兩個不同資料庫分片之間轉帳時，錢既不會憑空產生也不會丟失 (2PC, Paxos)。
• 雲原生協作： 確保集群中的所有節點都對「誰是領導者」達成一致 (Raft)。
• API 保護： 防止單個使用者用 100 萬個請求壓垮你的系統 (限流)。
• 系統穩定性： 當某個微服務出現故障時自動切斷流量，防止引發全線崩潰 (熔斷)。

核心概念：CAP 定理

你無法同時擁有以下三者：

1. 一致性 (Consistency)： 所有節點在同一時間看到相同的數據。
2. 可用性 (Availability)： 每個請求都能收到響應（即使是舊數據）。
3. 分區容錯性 (Partition Tolerance)： 即使網路出現故障，系統仍能繼續工作。

現實情況： 在雲端，網路故障 (P) 是不可避免的。你必須在 一致性 (Raft/Paxos) 和 可用性 (Gossip/最終一致性) 之間做出選擇。

常見演算法速覽

• 5.1 Raft： 被 etcd 和 Kubernetes 採用的「易於理解」的一致性演算法。
• 5.3 2PC (二階段提交)： 處理跨資料庫原子事務的經典方法。
• 5.5 限流演算法： 用於流量控制的令牌桶 (Token Bucket) 和漏桶 (Leaky Bucket) 演算法。
• 5.6 熔斷器： 微服務架構中的「安全保險絲」。
• 5.8 向量時鐘 (Vector Clocks)： 在沒有全局時鐘的情況下追蹤事件的先後順序。

選型對比速查

一句話心法

「分散式演算法將由易故障機器組成的混亂網路，轉化為一台單一、可靠的虛擬計算機。」