30天走向分布式 ccshih

走向分布式作者：ccshih 由 整理：邓草原

一个系统走向分散式，一定有其不得不为的理由。Scalability 是最常见的理由之一。

我先简单的将 Scalabilty 的需求分成两种：
• Data Scalability: 单台机器的容量不足以 (经济的) 承载所有资料，所以需要分散。如：NoSQL
• Computing Scalability: 单台机器的运算能力不足以 (经济的) 及时完成运算，所以需要分散。如：科学运算。在之後几天，我会试着就这两种需求来解析其中会遇到的问题与常见解法。

资源目录
Day 1: Scalability

Day 2：分散式系统的面向

Day 3: Partition

Day 4：为什麼有有些时候不要把 query 酒到所有机器上平行处理？

Day 5:资料切割的 metadata 管理

Day 6: Replication

Day 7：无强一致性及无法决定执行顺序带来的问题

Day 8：最终一致性

Day 9: CAP Theorem

Day 10: In-Memory data

Day 11: Zookeeper

Day 12: Zookeeper (续）

Day 13: Apache Kafka

Day 14: Apache Kafka (2)

Day 15: Apache Kafka (3)

Day 16: Apache Kafka (4)

Day 17: Apache kafka (5)

Day 18: Apache Kafka 与 Stream Computing

Day 19：分散式资料系统 v. 科层组织

Day 20: In-Memory 的技术议题？

Day 21:分散式运算系统

Day 22：分散式运算系统的沟通方式

Day 23： Stream Computing 的应用范围

Day 24: Stream Computing 特性

Day 25：选择 Stream Computing 框架

Day 26: Stream Computing 框架的组成角色

Day 27：如何追踪每一个 record 的处理进度

Day 28：错误处理机制

Day 29:从 Stream 到 Micro batch

Day 30: Stream States & Finale

**此处内容需要查看完整版评论回复后方可查看**