第七卷：分布式系统与架构

请求超时后，远端到底没收到、还在处理，还是已经做完了？从这个麻烦的问题出发，本卷讨论时序、共识、复制、分片，以及运行这些系统需要的平台和观测手段。多加几台机器会带来容量，也会让“它怎么又不回话了”多几个可能的主语。

先修知识

• 理解进程、网络请求、超时和数据库事务，可按需回看第三卷、第四卷与第五卷。
• 做平台实验前，先掌握容器的基本操作；第零卷 Docker 实验可作准备。共识与一致性章节无需先搭建 Kubernetes 集群。

覆盖内容

第 1–4 章建立分布式模型、RPC、共识与存储的基础；第 5–7 章进入计算框架、微服务和容器平台；第 8–12 章讨论观测、可靠性、基础设施变更与 Kubernetes 运行实践。

第 1 章

• 1.1 分布式系统模型：部分失败、时序与不可能边界
• 1.2 时间、因果关系与一致性模型

第 2 章

• 2.1 RPC 与序列化契约：远程调用不是本地函数
• 2.2 Deadline、取消、重试与流式背压

第 3 章

• 3.1 Raft：选举、日志复制与提交
• 3.2 Raft 的安全读取、成员变更与快照

第 4 章

• 4.1 分片与副本：数据放在哪里
• 4.2 Leaderless 复制、Quorum 与副本修复
• 4.3 从 HDFS 到 Spanner：工作负载决定架构

第 5 章

• 5.1 MapReduce：分片、Shuffle 与失败恢复
• 5.2 Spark：Lineage、DAG、DataFrame 与数据倾斜

第 6 章

• 6.1 微服务是故障拓扑，不是目录拆分
• 6.2 微服务平台的生产基线

第 7 章

• 7.1 容器运行机制：镜像、隔离、资源与生命周期
• 7.2 Kubernetes：声明状态与控制循环

第 8 章

• 8.1 可观测性信号：从用户症状到系统状态
• 8.2 埋点、上下文传播与 Telemetry Pipeline

第 9 章

• 9.1 SLI、SLO 与错误预算：把可靠性变成决策
• 9.2 On-call、事件响应、复盘与 Toil

第 10 章

• 10.1 IaC：状态、依赖图与安全变更
• 10.2 GitOps：持续协调、发布与回滚

第 11 章

• 11.1 Kubernetes 流量边界：Gateway API 与 NetworkPolicy
• 11.2 Kubernetes 有状态工作负载：身份、存储与恢复
• 11.3 Kubernetes 容量治理：调度、扩缩容与中断

第 12 章

• 12.1 指标工程：基数、直方图与 PromQL
• 12.2 告警与诊断界面：从信号到行动
• 12.3 主动观测与 Observability as Code

学完能做什么

• 画出一次超时、重试或副本故障的事件顺序，说明系统在给定假设下能保证什么。
• 根据一致性、可用性与访问模式，比较共识、复制和分片方案。
• 为服务选择观测信号和可靠性目标，检查平台变更、容量与恢复是否有验证依据。

怎样使用这份目录

第一次读时先完成第 1–4 章，别急着把系统名背成菜单。已经在运行集群的读者，可以带着一次故障进入第 7–12 章，再回查它依赖的时序与一致性假设。每做一次实验，都记录故障发生在哪里、哪些结果可见、恢复需要什么条件。