Lecture 1 - Introduction

MIT 6.824 Distributed Systems

1、概念预览

分布式系统需要考虑的因素：

• Parallelism ：并行性
• Fault tolerence ：容错性
• Physicial ：不同系统之间物理距离引起的通信问题
• Security ：不同的计算机之间的通信安全
• Isolated ：从通信角度可能引发的孤立问题

本课程全程重点讨论并行性和容错性，其他因素将由实例说明。

挑战：

• Concurrency ：并发问题
• Partial failure ：系统部分出错
• Performance ：性能

实现：

• RPC ：远程调用的目是试图掩盖我们正在不可靠网络上通信的事实
• Thread ：线程是一种编程技术，让我们可以驾驭多核计算机。提供了一种结构化的并发操作方式（concurrency control），简化了程序员对并发操作的视角

性能：

• Scalability ：构建分布式系统的更高目标是具有可扩展速度的提升，比如两台计算机就有两倍算力。但可扩展性不能无限增加，总会有瓶颈的。

容错：

• Availability ：可用性，一般都是建立在特定错误类型上的，继续正常服务的能力。
• Recoverability ：可恢复性，宕机之后能快速恢复。
• Non-Volatile storage ：借助非易失性存储（硬盘、闪存flash、SSD）存放一些检查点或者关于系统状态的日志，读取最新的状态并在那里工作。
• Replication ：通过复制实现容错，eg：lab 2

consistency ：一致性，例如对数据库读写。一般来说先去访问主服务器（数据库），如果失败了再去访问副本服务器。一致性可以分强弱，因为强一致性需要更昂贵的通信成本。

2、MapReduce

MapReduce简介 (airekans.github.io)

MapReduce论文

单词计数中的Map函数和Reduce函数Overview

映射到代码上：

function Map(K,V) ://K代表着words, V表1, K V可以都是vectorfor each word w :emit(w,"1");function Reduce(K,V) ://K V可以都是vectoremit(len(V))

从分布系统的设计者角度而言，Map必须是纯函数性的，需要考虑环境框架是如何组织的。

但从程序员的角度来看，调用就行。

TODO：读MapReduce论文、实现Lab 1