差異處

這裏顯示兩個版本的差異處。

--- learn:distributed-system [2022/05/14 15:01] – admin_wi1d5ky
+++ learn:distributed-system [2024/12/22 21:17] (目前版本) – 外部編輯 127.0.0.1
@@ 行 10: / 行 10: @@
 Distributed system 就是把這兩個問題從一台電腦上，「分散」到多台電腦上而已。
+---
 ## 目標: Scalability
-只用一台電腦的話直覺要做擴展就是把資源往上加，但這樣成本會太高。
+只用一台電腦要做擴展的話，直覺就是把資源往上加，但這樣成本會太高。
-多個電腦就可以用較低的成本換取相近的效能，不過會增加一些麻煩，這就是 Distributed System 要討論的東西。
+使用多台電腦就可以用較低的成本換取相近的效能，不過會增加一些麻煩，這就是 Distributed System 要討論的東西。
-### 三個方向
+### 三個 Scalability 的方向
 . Size Scalability：增加系統的 Node 時，系統跑的速度應該要線性提昇；資料變多時讀取速度不會因此而變得過慢
@@ 行 40: / 行 41: @@
 . Node 增加時會產生 overhead
 . Node 之間的距離
+---
+## 面對分散式系統的兩個常用技巧： Partition 和 Replicate
+- Partition: 把資料切成多個小塊
+- Replicate: 把資料複製多份
+### 對 Performance & Availability 的影響
+|              | Partition     | Replicate    |
+| Performance  | 降低搜尋的目標集 | 增加存取吞吐量 |
+| Availability | 縮窄損害範圍    | 提供備援資料   |
 ---
 ## 建立抽象模型以解決分散式系統問題
 例子：
@@ 行 51: / 行 66: @@
 - Consistency model (strong, eventual)
-### 如何評估抽象化：兩個面向 - 易理解程度 ＆ 成本考量
+### 兩個面向評估抽象化：易理解程度 ＆ 成本考量
 - 易理解程度: 盡可能像是在用單台電腦
 - 成本考量: 越像一台電腦，成本越高
-### 什麼叫「抽象得更好」
+### 什麼叫「抽象程度更高」
 一般日常中，聽到「你講得很抽象」跟這邊指的不是同一件事。
@@ 行 62: / 行 78: @@
 可以先把這邊講的抽象想成是「簡化事情的複雜程度」。
-所以「A 比 B 抽象得更好」，指的是 A 刻意忽視了 B 的某些細節，以方便管理，所以 A 更易於理解。
+所以「A 比 B 的抽象程度更高」，指的是 A 刻意忽視了 B 的某些細節，以方便管理，所以 A 更易於理解。
 > 當我們每次進行抽象化時，都會失去對一些東西的掌握；假如遇到某些效能瓶頸時，還是得往實際面去解決，這時候就得重新審視那些被忽略的地方。
-## 兩個技巧： Partition 和 Replicate
-- Partition: 把資料切成多個小塊，降低搜尋的目標集、縮窄損害範圍
-- Replicate: 把資料複製多份，增加存取吞吐量、提供備援資料
-Replicate 很好用，只是需考量「一致性」(CAP 理論 的 Consistency)，但就是要權衡考量的部分。（為了可用性降低資料同步等等）
----