转自:http://outerthought.org/blog/410-ot.html
本文是Google院士jeff dean在今年SOCC大会上的一次演讲的笔记,主要介绍了一些用于设计分布式系统的模式,原文地址,这次演讲的视频地址(需要安装Silverlight)。
分布式系统设计模式
1.系统失败是很平常的事情:每年有1-5%的硬盘会报废,服务器每年会平均宕机两次,报废几率在2-4%几率。
2.将一个大而复杂系统切分为多个服务:而且服务之间依赖尽可能的少,这样有助于测试,部署和小团队独立开发。例子:一个google的搜索会依赖100多个服务。ike:需要一套机制来确保服务的fault-tolerant,不能让一个服务的成败影响全局。
3.需要有Protocol Description Language:比如protocol buffers。ike:这样能降低通信方面的代码量。
4.有能力在开发之前,根据系统的设计来预测性能:在最下面有一些重要的数字。
5.在设计系统方面,不要想做的很全面,而是需要抓住重点。
6.为了增量做设计,但不为无限做设计:比如:要为5-50倍的增量做设计,但超过1000倍了,就需要重写和重新设计了。
7.使用备份请求来降低延迟:比如一个处理需要涉及1000台机器,通过备份请求这个机制来避免这个处理被一台慢机器延误。ike:这个机制非常适合MapReduce。
8.使用范围来分布数据,而不是Hash:因为这样在语义上比较简单,并且容易控制。ike:在大多数情况下语义比性能更重要,不要为了20%的情况hardcode。
9.灵活的系统,根据需求来伸缩:并且当需求上来的时候,关闭部分特性,比如:关闭拼写检查。
10.一个接口,多个实现。
11.加入足够的观察和调式钩子(hook)。
12.1000台服务器只需单一Master:通过Master节点来统一指挥全部的行动,但客户端和Master节点的交互很少,以免Master节点Crash,优点是,在语义上面非常清晰,但伸缩性不是非常强,一般最多只能支持上千个节点。
13.在一台机器上运行多个单位的服务:当一台机器宕机时,能缩短相应的恢复时间,并且支持细粒度的负载均衡,比如在BigTable中,一个Tablet服务器会运行多个Tablet。
图1. 重要的数字
未来的挑战
1.全球级(world-wide)系统的适应性方面:如何自动地分配和放置数据和计算来降低延迟和成本。
2.在弱一致性(weakly consistent)的存储上搭建应用:如何轻松使用抽象来解决多版本之间的冲突。
3.分布式系统的抽象:如何用同一个抽象来统一多个分布式系统。