分布式系统的提出的最重要目的是:
1.大家希望能拥有更多的cpu，内存，硬盘，并行程序
2.更高的容错率
3.物理限制
mapreduce——个人认为是一种计算模型，分为map和reduce两个步骤，map步骤主要是将数据分到不同的机器上，让这些机器执行事先定义好的map函数，从而输出k-v键值对，作为reduce的输入。reduce函数再对不同机器上执行得到的键值对汇总并得到我们想要的结果。
gfs——可直接看gfs论文原文或者中文版：https://wenku.baidu.com/view/a1493d9c3086bceb19e8b8f67c1cfad6195fe986.html
primary-backup republication——为了容错要进行主从备份，主从备份主要有两种方式：
1.状态转移(state transfer)——将各种数据、执行状态从主服务器复制到从服务器。
2.冗余状态机(Replicated state machine)——为了实现强一致，只需要保存主服务器到达目前状态所执行的操作，以及给出相同的输入数据，就可以进行主从同步。
主从备份做好后，一旦主服务器出事了，就可以进行主从切换，这样便具有了容错性。
Raft——上面提到的replicated state machine通过集群方式，为客户提供强一致、高可靠的数据服务；所谓强一致，从用户角度看是指永远可以读到最新的写成功的数据，而从服务内部来看指的是所有的state machine中的数据都保持一致；所谓高可靠，是指即使出现网络延迟、丢包、乱序、服务器宕机等情况下，依然可以保证数据的强一致。对于 replicated state machine 来说，会按序读取本地的日志，根据日志中记录的操作来更新状态，而日志的一致性是由一致性模块来保证的，而如何保证各个机器上日志的一致性？这就是raft要解决的核心问题。
关于raft论文的两份中文翻译：
https://www.cnblogs.com/linbingdong/p/6442673.html
https://github.com/maemual/raft-zh_cn/blob/master/raft-zh_cn.md
本文地址：https://blog.csdn.net/qq_35985044/article/details/107411568
如对本文有疑问， 点击进行留言回复！！
springcloud中feign调用处理mybatis-plus Ipage反序列化问题。
Flume 史上最全面的大数据学习第十篇（一） 别再说不知道flume是什么了
我要评论
网友评论