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)
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vector
for each word w :
emit(w,"1");
function Reduce(K,V) :
//K V可以都是vector
emit(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
