说在前面，在原来的中心化服务器中，我们不用考虑一致性和数据安全，中心化不用考虑一致性，数据安全完全基于强大的硬件稳定，软件上我们也不用多考虑。但是巨大瓶颈是容量和性能
由此产生分布式系统的设计，首要考虑的已不再是硬件，而是数据安全，首要体现就是一致性的问题。
注意作为分布式系统，根据处理不同的问题，采取不同分布方式；将大数据拆分分散在不同的服务器，提高容量；将数据处理和数据储存分离，提高了性能，核心思想是一台高性能高吞吐量的服务器。所有服务器都储存同样的数据，提高了绝对数据安全，在比特币中，就是如同这样模型的分布式账本，达成了可信任的去中心化系统，核心思想是可信任防攻击的数据库服务器
进程：1 CPU 1时刻 只能执行 1进程，执行一个程序进程可能存在多个线程，火箭组装工厂如同进程，火箭如同CPU，播放器如同进程，如同一个服务
线程：
操作系统最小运算调度单位，存在并发和并发的线程，并发是不同CPU下，并行是高速切换。如同卫星工厂中的部门；播放器中的播放，暂停如同线程。
并发：
线程之间的行为，高速切换。cpu的处理被分割成切片，线程之间可以抢占CPU资源
并行：
同时发生很多事。其实并行是并发的子集，通过双核完成
辨析：并发是一种事务处理的策略，通过分散到极短时间片，让两件事情在交替进行，达到两件事情表现出同时处理的效果，在计算机上并发的两件事，都会即时得到反馈，我之所以说“即时”其实是不准确的，反馈时间绝对比单任务长，只是本来处理就短，并发处理，增长点时间，我们依然感觉不到。
一男二女是并发，二男一女是并行
锁：
多个线程在同一块内存空间下，为了防止线程冲突，不允许线程共用内存空间
集群：
- 高可用性集群：一台服务器宕机，不会影响其他服务器的运行
- 负载均衡集群：通过前段负载均衡起，将任务分发到后端。从而达到系统的高可用和高性能
- 高性能计算集群
- 网格计算：网络和传统集群的区别更像计算公共设施，而不是独立计算机。网格之间都是独立工作，资源可以共享
Kafka：
管理数据的框架，过去业务层，都是单独存储自己的数据，业务之间调度，数据冗余是小事，错综复杂的业务逻辑，保持一致性相当困难
哈希取模：
服务器集群，痛点是查询数据很麻烦，数据映射地址的表，过去使用映射表，更新工作巨大。用散列哈希的公式，常常是取模，让数据能平均散列到不同的服务器地址，从此不需要暴力查找，只需要计算公式，问题是增加或减少服务器，都会影响分母，一改全改。十分不方便
一致性哈希：
在上述散列哈希的基础上，固定一个分母，也就是固定一个巨大的数量的木桶（分母）。构成一个环，一旦发生宕机，就往后寻找有效服务器，由查到的第一个有效服务器，临时由他代替处理数据。为了减少查询时间，可以采取查询策略，如：每个桶都记录1,2,4号位
数据库分片：
水平分片（也叫水平分库）指的是将整体存储在单个数据库中的数据，通过某种策略分摊到多个表结构与其相同的数据库中，这样每个数据库中的数据量就会相对减少很多，并且可以部署在不同物理服务器上，理论上能够实现数据库的无限横向拓展。所以水平分片是数据库性能问题的最终解决方案。
全局ID：
用最少的约束保证一致性，全局唯一，单调递增。功能：防止冲突，
UUID：
通用唯一识别码，大概率上是不会重复的
高可用设计：
热备份：
在系统工作状态下备份数据
心跳检测：
服务器之间，确保对方正常工作的机制
CAP理论：
C一致性 ；A可用性；P分区容忍性
负载均衡：
服务器工作分为，响应前端请求，后端处理数据，一般通过前端负载均衡器，分担工作。通过一致性哈希平衡数据的分布，和减少查询难度
硬件异常：
简称电脑坏了，一般都是电源是最脆弱的
数据拆分：
将大包数据拆分储存在不同的数据库中。