一：什么是分布式
互联网架构的两个特点：高并发和海量数据存储。
详解见：https://www.cnblogs.com/zhy-1992/p/9233789.html
1.任务分解
以电商平台为例子：将整个系统分为多个子系统，用户系统（部署在服务器A）、商品系统（部署在服务器B）、订单系统（部署在服务器C）、交易系统（部署在服务器D）、物流系统（部署在服务器E）
2.节点通信
每个子系统都是一个节点，节点之间通过通信进行数据交换。
3.与集群的区别
集群：将整个电商平台系统，部署在不同的服务器，不对整个系统进行划分。保证系统的高可用。
二：电商平台的架构发展
1.架构一
用户量上去之后，单机负载出现了性能瓶颈，服务器会出现性能问题，这时候可以考虑将数据库单独独立出来。
二：架构二，数据库服务器和应用服务器分离
3：架构三，对应用服务器进行拆分（应用服务器做集群）
问题一：session怎么保持状态
问题二：前端的请求怎么做请求转发
4：结构四：增加负载均衡器（硬件负载均衡器或软件协议负载均衡），保证前端转发
通过负载均衡和应用服务器集群的搭配，可以解决高并发流量访问的问题，但是随着高并发流量的访问，数据库的压力就越来越大。
5：结构五：数据库的读写分离
电商系统的数据库分析，28原则，20%是数据库的写，80%是数据库的读，因此可以做数据库的读写分离
以mysql为例，支持master-sliver模式，具体讲解见：https://www.cnblogs.com/jirglt/p/3549047.html，可以做数据库同步（主从同步机制）。
问题一：数据库读写分离怎么做？
问题二：数据库数据同步怎么做？同步不及时怎么办？
问题三：数据库路由怎么做？mycat
6：结构六：
电商平台最多的是搜索操作，mysql的like模糊查询可以实现，但是数据量大的时候，like查询也会有很多的问题，怎么办？
搜索引擎集群
问题一：搜索引擎的索引数据怎么同步？实时增量同步还是全局定时同步？
Elasticsearch是一个基于Lucene的搜索服务器。它提供了一个分布式多用户能力的全文搜索引擎，基于RESTful web接口。
7. 结构七：访问量继续增高
三板斧：缓存、引流、降级
缓存机制：对读操作，进行缓存进制处理
应用层也可以做一些缓存，例如内存缓存，不一定要放在服务器上，比如 GuavaCache（Java的技术）。页面级缓存，前端CDN缓存
8：结构八：继续优化数据库
数据库的瓶颈：IO瓶颈、单表最大存储数据量
单表数据量建议：500万-1000万之间
数据库的水平和垂直拆分，分库分表（根据业务进行）
分库结构（垂直拆分）
数据量特别大的表，每一个表单独放入一个，database里面，而不是过去的所有表放入一个database里面，这就是表的分库，同步就应该对应用层进行拆分（垂直拆分）
下面对应用层进行垂直拆分
假如：订单服务里面有需要获取用户信息的需求，一般就写sql语句，直接获取用户的信息，但是要是其他服务里面也需要获取用户信息呢，每个服务里面都写查询用户的sql吗？那么会出现太多的冗余代码？而且用户服务和订单服务之间并没有进行通信和数据交互，如何实现让不同的服务之间能够通过通信，进行数据传递呢？
分表结构（水平拆分）
# TODO