🚪 分布式入门篇（零基础版）
分布式是什么 · 为什么要分布式 · 为什么"难" · 核心名词速记
1. "分布式"是什么？为什么要搞分布式？
🏪 类比——奶茶店扩张：
小店阶段：一家店搞定一切（单机）——顾客少，够用。
生意火爆：一家店忙不过来 → 开分店（多台服务器）→ 这就是"分布式"：多台电脑协同完成工作。
分店多了问题也来了：顾客去哪家店（负载均衡）？总库存怎么同步（数据一致性）？一家店关门其他店怎么顶上（高可用）？
小店阶段：一家店搞定一切（单机）——顾客少，够用。
生意火爆：一家店忙不过来 → 开分店（多台服务器）→ 这就是"分布式"：多台电脑协同完成工作。
分店多了问题也来了：顾客去哪家店（负载均衡）？总库存怎么同步（数据一致性）？一家店关门其他店怎么顶上（高可用）？
分布式系统：多台计算机通过网络协作，对外像一个整体。
为什么要分布式（三个原因）：
- 性能不够：单台机器 CPU/内存有限，流量大了扛不住 → 加机器（水平扩展）
- 可用性要求：服务器会坏（宕机/断电）→ 多台机器互相备份，一台挂了其他的顶上
- 地理需求：用户遍布全国 → 各地部署节点，就近访问（CDN/多机房）
🎯 记住
- 分布式 = 多台机器协作干一件事（对外像一台）
- 动机：扛不住（扩展）、怕宕机（高可用）、要就近（延迟）
- 微服务 = 一种分布式架构：把一个大系统拆成很多小服务（订单/用户/支付各一个服务）
2. 为什么分布式"难"？（新手必懂，面试必问）
单机时代：代码顺序执行、数据共享内存、出错好排查。分布式后三大难题：
- 网络不可靠：两台机器通信可能延迟、丢包、超时——"它到底处理了没有？"不知道（网络分区）
- 数据一致性：用户数据在 A 机器改了，B 机器还是旧的——什么时候同步？谁说了算？
- 故障难排查：一个请求经过 5 个服务，哪个慢了？哪个错了？（所以要链路追踪）
📞 类比——异地恋式协作：两个服务协作就像异地恋：
发消息（调用）可能对方没收到（超时）、收到但回复丢了（幂等问题）、
两个人对"什么时候见面"的记忆不一致（数据不一致）——都得靠"约定"（协议）来保证。
发消息（调用）可能对方没收到（超时）、收到但回复丢了（幂等问题）、
两个人对"什么时候见面"的记忆不一致（数据不一致）——都得靠"约定"（协议）来保证。
🎯 记住
- 分布式的核心矛盾：网络会出问题 + 数据要一致
- 所以有了 CAP 定理（一致性/可用性/分区容错三选二）、分布式事务、一致性协议——都是在解决这俩
- 面试答"分布式难点"：网络不可靠 + 一致性 + 运维复杂度，展开讲就是深度
3. 分布式核心名词速记（先混脸熟）
| 名词 | 大白话 |
|---|---|
| 节点（Node） | 参与协作的一台机器/一个服务 |
| RPC | 像调本地方法一样调另一台机器的方法（Dubbo/gRPC） |
| 注册中心 | 服务们的"通讯录"（Nacos/ZooKeeper）——谁在哪，谁挂了 |
| 负载均衡 | 把请求分给多台机器（轮流/按权重） |
| 熔断/降级/限流 | 保护系统：下游坏了快速失败（熔断）、砍非核心功能（降级）、挡流量（限流） |
| 分布式事务 | 一次操作改多个服务的数据，要全成功或全回滚（很难，有 TCC/Saga 等方案） |
| 分布式锁 | 多台机器互斥访问同一资源（Redis 锁/ZK 锁） |
| 幂等 | 同一操作重复执行结果一样（网络重试时的保命符） |
| CAP | 一致性/可用性/分区容错——网络故障时只能三选二（下节详解） |
🎯 学习顺序建议
- 先学懂单机（本网站前面所有模块）→ 再学分布式（先 RPC 和注册中心，再事务和一致性）
- 分布式是"面试进阶题"：中小厂问得少，大厂必问——按自己的目标来