什么是分布式系统：
原来有一个20多万行代码的系统，现在拆分成20个小系统，每个小系统1万多行代码。原本代码之间都是直接基于spring调用，现在拆开来了，20个小系统部署在不同的机器上，得基于分布式服务框架（比如dubbo）搞一个rpc调用，接口与接口之间通过网络通信来请求和响应。
分布式系统可以大概分成两类。
1、底层的分布式系统。
比如hadoop hdfs（分布式存储系统）、hadoop mapreduce,spark（分布式计算系统）、storm（分布式流式计算系统）、elasticsearch（分布式搜索系统）、kafka（分布式发布订阅消息系统）等
2、分布式业务系统。
分布式业务系统就是比如说把原来用java开发的一个大块的系统，给拆分成多个子系统，多个子系统之间互相调用，形成一个整体的大系统。比如一个电商系统，一般会拆分成商品中心、购物车、订单中心、促销中心、支付中心、WMS、库存中心、物流中心等，每一个中心会做成独立一个子系统，独立部署，各个子系统之间互相调用，协同，组成一个大型的电商系统。前面大白话来解释什么是分布式系统说的也是分布式业务系统。
分布式
分布式的目的：
- 1.高可用：主机挂掉后，自动故障转移，使前端服务对用户无影响
- 2.读写分离：将主机读压力分流到从机上，可实现负载均衡，提高效率
分布式系统通信可采用面向消息的中间件ActiveMQ，RabbitMQ等
分布式计算可采用mapreduce
分布式存储是可用Hbase,redis,mongoDB
分布式监控可用zookeeper:核心是原子广播，这个机制保证了各个Server之间的同步，实现这个机制的协议叫Zap协议，有两种模式：恢复模式（选主）和广播模式（同步），服务启动或主机宕机时，采用恢复模式，选出主机，且大多数Server完成了和leader的状态同步以后，恢复模式就结束了。状态同步保证了leader和Server具有相同的系统状态。
CAP原则又称CAP定理，指的是在一个分布式系统中，Consistency（一致性）、 Availability（可用性）、Partition tolerance（分区容错性），三者不可得兼
- 一致性（C）：在分布式系统中的所有数据备份，在同一时刻是否同样的值。（等同于所有节点访问同一份最新的数据副本）
- 可用性（A）：在集群中一部分节点故障后，集群整体是否还能响应客户端的读写请求。（对数据更新具备高可用性）
- ● 分区容错性（P）：以实际效果而言，分区相当于对通信的时限要求。系统如果不能在时限内达成数据一致性，就意味着发生了分区的情况，必须就当前操作在C和A之间做出选择。
主从复制用单向链表更稳定，master和slave在同一局域网内时连接更稳定