前言
昨天夜里，突然冒出来的想法，应该有规划性地学习分布式系统，带着目的及问题去学习。结合从寒假期间看的，大数据及分布式文章中的知识，加之自己的思考及想法，写下了这篇文章。
由于笔者对分布式系统研究水平尚处入门，文章着笔较浅，并希望此文能抛砖引玉，同时欢迎读者勘误及指教。
从单机到分布式
其实从宏观上看，单个机器的处理机，就是一个简单的模型“输入->处理->输出”，把这个模型看做计算节点（compute node）。
当单个计算节点，无法满足海量数据的高效率计算时，就需要引入更多的计算节点，这便是分布式。
批量与流式计算
多个计算节点间的协调工作，拥有不同的模式。面对海量的数据，将其批量分配给各个计算节点处理，接着按照特定规则组合成所需数据，这便是批量计算。而批量计算最著名的计算模型，便是映射-规约模型（MapReduce），上述流程其实就是简单描述了这个模型。
同样地，计算节点间可以如工厂流水线似的，进行流式计算（stream computing），每个计算节点负责数据的不同加工步骤，将计算节点连接起来，形成不同的拓扑结构（topology），最终处理完海量的数据。
数据存储
计算节点有输入与输出，而这些接口连接的，可以是用户端，亦或是存储介质。对于存储介质而言，分布式文件系统与缓存，又是一大研究课题。而文件系统与缓存，虽然同为存储，但在量级、性能及易失性上等具有不同。
资源管理
上述的计算节点是个抽象模型，而模型之下便是对各个计算机资源管理及利用。与单机操作系统调度的资源类似，有如处理机及缓存等的资源。而分布式系统上层即计算框架等，往往非常依赖底层的资源管理。
其他细节问题
为了成为系统架构师，除了从宏观看待整体规划，还要到深入细节思考问题。上文从计算、存储及资源三个层次，浅析了分布式系统，但是还要考虑一些其他问题。例如，数据的安全、系统的扩展、负载均衡等等（知识有限，提能想到的）。
学习路线
上文做了简单的分布式系统分析，每个方面都有对应的工具及框架，目前只需学习对应方面的一两个工具或框架即可。关于学习路线，笔者的规划如下。
- 分布式文件系统及数据库 HDSF & HBase
- 分布式系统资源管理 YARN
- 分布式计算框架 Hadoop（批量） & Spark（流式）
- 分布式缓存 Redis & MemCache
后话
希望自己加油，为架构师目标奋斗！
原文地址：https://www.cnblogs.com/linzhehuang/p/10408398.html