目　錄 第一部分　分布式系統(tǒng)概述 第1章　分布式系統(tǒng)概述　3 1.1　分布式系統(tǒng)的組成　4 1.2　分布式協(xié)調(diào)組件　6 1.3　分布式存儲系統(tǒng)　7 1.4　分布式計算系統(tǒng)　9 1.4.1　批處理分布式計算系統(tǒng)　9 1.4.2　流處理分布式計算系統(tǒng)　10 1.4.3　混合系統(tǒng)　11 1.5　分布式系統(tǒng)中節(jié)點之間的關(guān)系　11 第二部分　分布式系統(tǒng)的前端構(gòu)造技術(shù) 第2章　Web框架的實現(xiàn)原理　15 2.1　Web框架簡介　16 2.2　PHP Web MVC框架的工作原理　17 2.2.1　框架的入口　17 2.2.2　URL到控制器的映射　17 2.2.3　如何將模型傳給視圖　18 2.3　Java Web MVC框架原理　19 2.3.1　Java Servlet API 3.0　19 2.3.2　框架的入口　20 2.3.3　Spring 4.0框架　22 2.3.4　Java EE　29 2.3.5　Spring與Java EE的比較　30 2.4　Go語言Web開發(fā)　30 2.4.1　Go語言簡介　31 2.4.2　Go語言Web開發(fā)　32 第3章　反向代理與負(fù)載均衡　33 3.1　反向代理　33 3.1.1　Nginx　34 3.1.2　Tengine　35 3.1.3　Varnish　35 3.2　負(fù)載均衡　36 3.2.1　DNS負(fù)載均衡　36 3.2.2　硬件負(fù)載均衡　36 3.2.3　軟件負(fù)載均衡　37 第三部分　分布式中間件 第4章　分布式同步服務(wù)中間件　41 4.1　分布式一致性協(xié)議　42 4.2　分布式同步服務(wù)中間件簡介　43 4.3　分布式同步服務(wù)中間件的實現(xiàn)原理　44 4.3.1　架構(gòu)　44 4.3.2　如何消除單點故障　45 4.3.3　Chubby對外提供的API　45 4.3.4　數(shù)據(jù)庫　46 4.3.5　Chubby使用示例：集群的主服務(wù)器選舉　46 4.4　其他分布式同步服務(wù)中間件　46 4.4.1　Linux心跳機制　47 4.4.2　ZooKeeper　47 4.4.3　iNexus　48 4.5　分布式同步服務(wù)的應(yīng)用　48 第5章　關(guān)系型數(shù)據(jù)庫訪問中間件　53 5.1　數(shù)據(jù)庫訪問中間件的形式　54 5.2　數(shù)據(jù)庫訪問中間件的工作原理　55 5.3　著名的數(shù)據(jù)庫訪問中間件　56 5.3.1　MySQL代理　57 5.3.2　Cobar　58 5.3.3　TDDL　59 5.3.4　MyCAT　59 5.3.5　Heisenberg　59 5.4　數(shù)據(jù)庫訪問中間件的應(yīng)用　60 5.4.1　使用MySQL代理實現(xiàn)讀寫數(shù)據(jù)庫分離　60 5.4.2　研發(fā)自己的數(shù)據(jù)庫中間件，實現(xiàn)MySQL的分庫分表　60 第6章　分布式服務(wù)調(diào)用中間件　63 6.1　分布式服務(wù)調(diào)用中間件簡介　63 6.2　分布式服務(wù)調(diào)用中間件的實現(xiàn)原理　64 6.2.1　Dubbo的架構(gòu)　64 6.2.2　Dubbo中各組件的交互　65 6.2.3　Dubbo的實現(xiàn)及特點　66 6.2.4　Dubbox　66 6.3　其他分布式服務(wù)調(diào)用中間件　67 6.3.1　Protocol Buffers　67 6.3.2　gRPC　68 6.3.3　Thrift　69 6.3.4　Motan　72 6.3.5　sofa-pbrpc　73 6.4　分布式服務(wù)調(diào)用中間件的應(yīng)用　73 第7章　分布式消息服務(wù)中間件　75 7.1　分布式消息服務(wù)中間件簡介　75 7.2　分布式消息服務(wù)中間件的實現(xiàn)原理　77 7.2.1　消息模型　77 7.2.2　架構(gòu)　77 7.3　其他分布式消息服務(wù)中間件　79 7.3.1　阿里巴巴RocketMQ　79 7.3.2　Apache Pulsar　80 7.4　分布式消息服務(wù)中間件的應(yīng)用　82 7.4.1　秒殺系統(tǒng)中使用Kafka以削平峰值流量　83 7.4.2　使用Kafka流實現(xiàn)消息推送　83 第8章　分布式跟蹤服務(wù)中間件　85 8.1　分布式跟蹤服務(wù)中間件的實現(xiàn)原理　85 8.2　其他分布式跟蹤服務(wù)中間件　88 8.2.1　Twitter的Zipkin　88 8.2.2　Pinpoint　90 8.2.3　阿里巴巴的EagleEye　92 8.3　分布式跟蹤服務(wù)中間件的應(yīng)用　92 第四部分　分布式存儲技術(shù) 第9章　分布式文件系統(tǒng)　95 9.1　分布式文件系統(tǒng)的實現(xiàn)原理　96 9.2　其他分布式文件系統(tǒng)　102 9.3　分布式文件系統(tǒng)的應(yīng)用　104 第10章　基于鍵值對的NoSQL數(shù)據(jù)庫　107 10.1　NoSQL數(shù)據(jù)庫的CAP權(quán)衡　108 10.2　基于鍵值對的NoSQL數(shù)據(jù)庫的實現(xiàn)原理　108 10.2.1　谷歌的LevelDB　108 10.2.2　阿里巴巴的Tair　111 10.2.3　亞馬遜的Dynamo　111 10.3　其他基于鍵值對的NoSQL數(shù)據(jù)庫　115 10.3.1　Memcached　115 10.3.2　Redis　116 10.3.3　Berkeley DB　117 10.3.4　Facebook RocksDB　117 10.3.5　Riak　118 10.3.6　Voldemort　118 10.4　基于鍵值對的NoSQL數(shù)據(jù)庫的應(yīng)用　118 10.4.1　使用Redis緩存會話數(shù)據(jù)　118 10.4.2　使用Berkeley DB/LevelDB/RocksDB構(gòu)建自己的分布式存儲系統(tǒng)　119 10.4.3　使用Berkeley DB/LevelDB/RocksDB作為本地數(shù)據(jù)庫　119 第11章　基于列的NoSQL數(shù)據(jù)庫　121 11.1　基于列的NoSQL數(shù)據(jù)庫的實現(xiàn)原理　121 11.1.1　數(shù)據(jù)模型　121 11.1.2　架構(gòu)　124 11.2　其他基于列的NoSQL數(shù)據(jù)庫　126 11.2.1　Apache HBase　126 11.2.2　Apache Cassandra　127 11.2.3　Baidu Tera　128 11.3　基于列的NoSQL數(shù)據(jù)庫的應(yīng)用　128 11.3.1　HBase用于數(shù)據(jù)分析系統(tǒng)　128 11.3.2　HBase用于存儲呼叫記錄　129 第12章　基于文檔的NoSQL數(shù)據(jù)庫　131 12.1　基于文檔的NoSQL數(shù)據(jù)庫的實現(xiàn)原理　131 12.1.1　數(shù)據(jù)模型　131 12.1.2　自動分片　132 12.1.3　副本　132 12.1.4　索引　133 12.1.5　查詢路由　133 12.2　其他基于文檔的NoSQL數(shù)據(jù)庫　133 12.2.1　CouchDB　133 12.2.2　RethinkDB　134 12.3　基于文檔的NoSQL數(shù)據(jù)庫的應(yīng)用　135 第13章　其他NoSQL數(shù)據(jù)庫　137 13.1　基于圖的NoSQL數(shù)據(jù)庫Neo4j　138 13.1.1　數(shù)據(jù)模型　138 13.1.2　圖的存儲　138 13.1.3　高可用性　139 13.1.4　水平擴展　139 13.2　多數(shù)據(jù)模型NoSQL數(shù)據(jù)庫OrientDB　139 13.2.1　基本概念　140 13.2.2　圖的表示　140 13.2.3　節(jié)點與集群　140 13.2.4　分片　141 13.2.5　ACID支持　141 13.2.6　CAP的權(quán)衡　142 13.2.7　集群配置信息的管理　142 13.3　時間序列NoSQL數(shù)據(jù)庫　142 第14章　NewSQL數(shù)據(jù)庫　143 14.1　NewSQL和CAP理論　144 14.2　采用新架構(gòu)的NewSQL系統(tǒng)　145 14.2.1　谷歌的Megastore　145 14.2.2　谷歌的Spanner　146 14.2.3　谷歌的F1　147 14.2.4　阿里巴巴的OceanBase　148 14.2.5　其他采用新架構(gòu)的NewSQL數(shù)據(jù)庫　152 第五部分　分布式系統(tǒng)的構(gòu)建思想 第15章　云化　157 15.1　云化的技術(shù)基礎(chǔ)　157 15.1.1　虛擬機技術(shù)　157 15.1.2　容器技術(shù)　159 15.2　公有云能提供什么　159 15.3　云化對軟件架構(gòu)的要求　161 第16章　分布式系統(tǒng)的構(gòu)建思想　163 16.1　一切都可能失敗與冗余的思想　163 16.1.1　如何避免單點故障　164 16.1.2　避免單點故障的具體做法　165 16.2　水平而不是垂直擴展的思想　165 16.2.1　數(shù)據(jù)的水平擴展　166 16.2.2　服務(wù)的水平擴展　167 16.2.3　數(shù)據(jù)中心的水平擴展　167 16.3　盡可能簡單的思想　168 16.4　實用主義的思想　169 16.4.1　搜索引擎作為查詢工具使用　169 16.4.2　阿里巴巴的OceanBase的架構(gòu)　169 16.4.3　根據(jù)需要選擇最適合的開發(fā)工具和開發(fā)語言　170 16.4.4　根據(jù)需要選擇不同的存儲系統(tǒng)　170 16.5　異步化以解耦并削平峰值　170 16.6　最終一致性的思想　171 16.7　微服務(wù)的思想　171 16.8　MapReduce的思想　172 16.9　服務(wù)跟蹤的思想　172 16.10　資源池化的思想　173 第六部分　大型分布式系統(tǒng)案例研究及分析 第17章　大型分布式系統(tǒng)案例研究　177 17.1　案例研究之谷歌搜索系統(tǒng)　177 17.2　案例研究之淘寶網(wǎng)　182 17.3　案例研究之阿里云　185 17.4　案例研究之領(lǐng)英　189 第18章　關(guān)于分布式系統(tǒng)設(shè)計的思考　197 18.1　大型互聯(lián)網(wǎng)公司架構(gòu)的共性　197 18.2　為何大型互聯(lián)網(wǎng)公司的架構(gòu)如此相似　198 18.3　關(guān)于分布式監(jiān)控系統(tǒng)　199 18.4　Linux系統(tǒng)調(diào)用epoll()　200 18.5　關(guān)于插件設(shè)計模式的實現(xiàn)　201 18.5.1　C/C++語言的動態(tài)庫形式的實現(xiàn)　202 18.5.2　Java語言的插件模式實現(xiàn)　203 18.5.3　采用專用語言的插件模式實現(xiàn)　205 18.6　關(guān)于分布式服務(wù)調(diào)用中間件的實現(xiàn)　205 18.7　動態(tài)鏈接還是靜態(tài)鏈接　206 18.8　無所不用其極的壓榨性能手段　206 18.8.1　編譯后代碼的原生態(tài)化　206 18.8.2　定制的Linux內(nèi)核　207 18.8.3　定制的Java虛擬機　208 18.8.4　定制的MySQL　208 參考文獻　209 后記　211