1.5　分布式系统中节点之间的关系

一个人类社会的组织，要想实现其组织功能，组织内的人需要按照某种方式被组织起来，例如，有的人负责管理，有的人负责执行，等等。由许多节点组成的分布式系统也一样，系统中的节点也需要被有机地组织起来，才能实现想要完成的功能。也就是说，有些节点需要承担这样的角色，而另一些节点则需要承担另外的角色。根据所承担角色的不同，节点之间的关系不外乎下面两种。

• 主从式（master-slave）关系：主节点集大权于一身，所有重要的信息都存储在主节点上，所有重要的决定也都由主节点做出。这类系统的例子有谷歌的GFS和Bigtable等，以及受其架构影响而开发的其他系统（如HDFS、HBase、淘宝TFS、京东JFS、百度BFS、百度Tera等）。
• 对等式（peer-to-peer）关系：这类系统中的节点之间的关系是平等的，没有中心节点，而是采用设置好的选举与协调规则来处理节点之间的协调问题，这类系统的典型代表是亚马逊的Dynamo，以及受其架构影响而开发的其他系统（如Cassandra、Riak等）。

相对而言，主从式系统实现起来要简单些，而对等式系统实现起来则困难些。

[1]　所谓集群，是指采用同样或类似配置的许多台机器，为了达到一个共同的目的而组成的系统。

[2]　像谷歌和百度这样的公司，因为索引的页面量非常庞大，需要很大的存储空间。微信和Facebook这样的社交应用亦然。

[3]　例如谷歌，其PageRank算法就需要很大的计算量；再如京东和淘宝这样的电商，其商品推荐系统也需要很大的计算量。

[4]　水平扩展（scale out）与垂直扩展（scale up）是一对相对的概念，前者是指通过增加额外的节点来扩展系统的处理能力，后者则指通过升级单个节点的硬件（CPU、内存、磁盘）来进行扩展。

[5]　节点与机器可以是物理的实体（即物理机器），也可以是虚拟的实体（如虚拟机、Docker容器）在本书中这两个概念在本书中不加区别，常互换使用。

[6]　最终一致性即在“有穷”的时间内，各个节点上的数据最终会收敛到一致的状态，当然这里的“有穷”经常是指很短暂的时间，几分或几秒就算比较长的了。

[7]　ACID指的是原子性（Atomicity）、一致性（Consistency）、独立性（Isolation）和持久性（Durability）。

[8]　CAP指的是一致性（Consistency）、可用性（Availability）和网络分区可容忍性（Tolerance to Network Partitions）。

[9]　阿里巴巴的OceanBase的这种实现方式实际上就是所谓的Lamda架构。

[10]　map函数的功能是将输入的键值对映射成一个新的键值对列表。

[11]　reduce函数的功能是将一个键和一个值的列表映射成一个新的值的列表。