前言

2019年，做大数据开发已经6年了，这期间分布式系统的知识学习了不少，但基本都是由于项目需要，没有系统性的融会贯通提纲挈领，在一件小事的触动之下，决定系统性的学习分布式系统。

网上搜索“如何系统性的学习分布式系统”，得到的答案都不是很满意，比如有的知识点过于零散，没有主线贯穿，有的太偏学术，都是看不懂也不知道有什么实际作用的算法。

因此决定自己列一个提纲，梳理一下分布式系统的知识，以分布式系统的特性为出发点，着重分析一些比较常用的开源软件中的实现原理，注重工程实践，减少理论研究，以设计思路为研究对象，便于自己的学习，也希望帮助他人。

具体学习路线

学习一项技术，要看它解决了什么问题，为了解决这个问题，它又具有哪些特性，这些特性又分别如何实现。

分布式系统解决什么问题就不过多解释了，无非是单一的节点无法满足业务需求，需要多节点协同工作。

一个分布式系统，具备以下特性：

1. 一致性。分布式系统整体对外表现出的一致性由它的一致性模型决定。
   我们将会学习这些一致性模型：
   Sequential Consistency
   Causal Consistency
   Linearizability
   Session Guarantees for Weakly Consistent Replicated Data
   以及相关数学知识，也会研究一些分布式系统：
   zookeeper
   mongodb
2. 时钟。系统通过事件发生的时间确定先后顺序。
   我们将会学习这些时钟：
   Lamport逻辑时钟
   Vector clock
   True Time
3. 共识。分布式系统具备达到共识的能力。(计划介绍一些共识算法，例如raft)
4. 扩展性。（计划介绍一些提高系统扩展性的东西，比如一致性hash）

这应该会是一个持续更新的路线图，同时也欢迎大家的意见和建议。
如何系统性的学习分布式系统?