分布式架构

分布式系统是一组独立计算机通过网络协作，对外呈现为单一连贯系统。核心挑战来自三大不确定性：节点可能故障（crash、Byzantine）、网络可能延迟或分区、时钟可能不同步。核心概念包括：CAP 定理（一致性 Consistency、可用性 Availability、分区容忍 Partition tolerance 三者最多满足其二）、共识算法（Paxos、Raft，在故障节点间达成一致）、复制策略（同步复制保证一致性，异步复制保证可用性）、分布式事务（2PC、3PC、Saga）、向量时钟（检测并发写入冲突）、一致性哈希（数据分片和负载均衡）。典型系统：ZooKeeper/etcd（协调服务）、Kafka（分布式消息）、Cassandra/DynamoDB（宽列存储）。

单机有容量和可用性上限。当数据量或请求量超过单机能力，或需要跨地域部署以降低延迟，必须使用分布式架构。分布式系统通过冗余实现容错（一个节点故障不影响整体服务），通过分区实现水平扩展（增加节点提升容量）。但分布式引入了新问题：网络不可靠导致消息可能丢失或延迟；时钟不同步导致无法确定事件顺序；部分故障导致系统处于不一致状态。CAP 定理指出：在网络分区发生时，必须在一致性和可用性之间做出选择。

程序员通过分布式系统框架和中间件使用这些抽象。RPC 框架（gRPC、Dubbo）使远程调用像本地调用一样；服务发现（Consul、Nacos）帮助服务找到彼此；负载均衡（Nginx、Envoy）分散请求；熔断器（Hystrix、Sentinel）防止级联故障。理解分布式有助于理解：为什么微服务需要服务注册和发现（服务实例动态变化）；为什么分布式锁如此复杂（网络分区时可能失效）；为什么'精确一次'语义几乎不可能实现（至少一次 + 幂等是更务实的选择）。