|
|
# 特别放送 | 那些你不能错过的分布式系统论文
|
|
|
|
|
|
> 你好，我是聂鹏程。
|
|
|
|
|
|
> 古人云“以史为鉴，可以知兴替。”说的就是追本溯源的力量。通过学习和思考技术的发展和演进，我们方能更好地把握未来。而对分布式技术追本溯源的方式，无疑就是精读相关经典轮文了。
|
|
|
|
|
|
> 为此，今天我特地邀请了我的朋友刘梦馨，来与你系统分享下分布式系统领域的经典论文。你有时间和耐力的话，可以逐一阅读、学习下这些论文。
|
|
|
|
|
|
> 刘梦馨是灵雀云容器平台高级研发工程师，负责容器平台的架构、容器网络方案的设计和实现，也是开源Kubernetes网络插件 Kube-OVN 作者。他平时非常喜欢阅读论文，也总结了很多高效阅读论文的方法。
|
|
|
|
|
|
> 话不多说，我们来看刘梦馨的分享吧。
|
|
|
|
|
|
你好，我是刘梦馨。
|
|
|
|
|
|
分布式系统领域有着最令人费解的理论，全链路的不确定性堪比物理中的量子力学。同时，分布式系统领域又有着当代最宏伟的计算机系统，Google、Facebook、亚马逊遍布全球的系统支撑着我们的信息生活。
|
|
|
|
|
|
显然，能够征服分布式系统的，都是理论和实践两手抓两手都要硬的强者。然而，分布式系统领域还有着最高的上手门槛，没有大规模的基础设施、没有潮水般的流量，分布式领域幽灵般的问题并不会浮出水面。
|
|
|
|
|
|
那么，我们应该**如何开启征服分布式系统的征程**呢？
|
|
|
|
|
|
好在这条路上我们并不孤独。学术大牛们在五十年前就开始探索各方面理论上的问题，全球规模的互联网公司也有着丰富的实践和经验。而这些分布式领域人类的智慧，最终都沉淀为了一篇篇的经典论文。
|
|
|
|
|
|
和普通的技术文章相比，论文的发表有着极为严格的要求，随之而来的也是极高的质量。通过阅读分布式领域的经典问题，我们可以快速吸收前人的智慧，领略大型系统的风采，并收获最为宝贵的实战经验。
|
|
|
|
|
|
现在，就让我们从一篇篇经典论文开始，踏上征战分布式系统的征程吧！
|
|
|
|
|
|
我**按照从理论到实践的顺序**，将经典的分布式系统论文分成了分布式理论基础、分布式一致性算法、分布式数据结构和分布式系统实战四类，帮助你快速找到自己需要的论文。
|
|
|
|
|
|
这些论文我都给到了标题，你可以直接去Google 学术里搜索。
|
|
|
|
|
|
## 分布式理论基础
|
|
|
|
|
|
分布式理论基础部分的论文，主要从宏观的角度介绍分布式系统中最为基本的问题，从理论上证明分布式系统的不确定、不完美，以及相互间的制约条件。研读这部分论文，你可以了解经典的 CAP定理、BASE理论、拜占庭将军问题的由来及其底层原理。
|
|
|
|
|
|
有了这些理论基础，你就可以明白分布式系统复杂的根源。当再碰到一些疑难杂症，其他人不得其解时，你可以从理论高度上指明方向。
|
|
|
|
|
|
以下就是分布式理论基础部分的论文：
|
|
|
|
|
|
* Time, Clocks, and the Ordering of Events in a Distributed System
|
|
|
* The Byzantine Generals Problem
|
|
|
* Brewer’s Conjecture and the Feasibility of Consistent, Available, Partition-Tolerant Web Services
|
|
|
* CAP Twelve Years Later: How the “Rules” Have Changed
|
|
|
* BASE: An Acid Alternative
|
|
|
* A Simple Totally Ordered Broadcast Protocol
|
|
|
* Virtual Time and Global States of Distributed Systems
|
|
|
|
|
|
## 分布式一致性算法
|
|
|
|
|
|
只要脱离了单机系统，就会存在多机之间不一致的问题。因此，分布式一致性算法，就成了分布式系统的基石。
|
|
|
|
|
|
在分布式一致性算法这一部分，我将与你推荐2PC、Paxos、Raft和ZAB等最知名的一致性算法。分布式算法的复杂度比普通算法要高出几个数量级，所以这部分论文是最为烧脑的一部分。
|
|
|
|
|
|
搞明白这部分论文，你的空间想象力和统筹规划能力都会得到质的提升。
|
|
|
|
|
|
* A Brief History of Consensus, 2PC and Transaction Commit
|
|
|
* Paxos Made Simple
|
|
|
* Paxos Made Practical
|
|
|
* Paxos Made Live: An Engineering Perspective
|
|
|
* Raft: In Search of an Understandable Consensus Algorithm
|
|
|
* ZooKeeper: Wait-Free Coordination for Internet-Scale Systems
|
|
|
* Using Paxos to Build a Scalable, Consistent, and Highly Available Datastore
|
|
|
* Impossibility of Distributed Consensus With One Faulty Process
|
|
|
* Consensus in the Presence of Partial Synchrony
|
|
|
|
|
|
## 分布式数据结构
|
|
|
|
|
|
分布式数据结构部分的论文，将与你介绍管理分布式存储问题的知名数据结构原理。通过它们，你可以构建自己的分布式系统应用。
|
|
|
|
|
|
这部分论文的涵盖范围大致包括两部分：一是，分布式哈希的四个著名算法Chord、Pastry、CAN 和 Kademlia；二是，Ceph 中使用的 CRUSH、LSM-Tree 和 Tango算法。
|
|
|
|
|
|
和分布式一致性算法类似，分布式数据结构也极其考验空间想象力和统筹规划能力。不过，在经过分布式一致性算法的锻炼后，相信这些对你来说已经不再是问题了。
|
|
|
|
|
|
* Chord: A Scalable Peer-to-Peer Lookup Service for Internet Applications
|
|
|
* Pastry: Scalable, Distributed Object Location, and Routing for Large-Scale Peer-to-Peer Systems
|
|
|
* Kademlia: A Peer-to-Peer Information System Based on the XOR Metric
|
|
|
* A Scalable Content-Addressable Network
|
|
|
* Ceph: A Scalable, High-Performance Distributed File System
|
|
|
* The Log-Structured-Merge-Tree
|
|
|
* HBase: A NoSQL Database
|
|
|
* Tango: Distributed Data Structure over a Shared Log
|
|
|
|
|
|
## 分布式系统实战
|
|
|
|
|
|
分布式系统实战部分的论文，将介绍大量互联网公司在分布式领域的实践、系统的架构，以及经验教训。
|
|
|
|
|
|
Google的新老三驾马车，Facebook、Twitter、LinkedIn、微软、亚马逊等大公司的知名系统都会在这一部分登场。你将会领会到这些全球最大规模的分布式系统是如何设计、如何实现的，以及它们在工程上又碰到了哪些挑战。
|
|
|
|
|
|
* The Google File System
|
|
|
* BigTable: A Distributed Storage System for Structured Data
|
|
|
* The Chubby Lock Service for Loosely-Coupled Distributed Systems
|
|
|
* Finding a Needle in Haystack: Facebook’s Photo Storage
|
|
|
* Windows Azure Storage: A Highly Available Cloud Storage Service with Strong Consistency
|
|
|
* Resilient Distributed Datasets: A Fault-Tolerant Abstraction for In-Memory Cluster Computing
|
|
|
* Scaling Distributed Machine Learning with the Parameter Server
|
|
|
* Dremel: Interactive Analysis of Web-Scale Datasets
|
|
|
* Pregel: A System for Large-Scale Graph Processing
|
|
|
* Spanner: Google’s Globally-Distributed Database
|
|
|
* Dynamo: Amazon’s Highly Available Key-value Store
|
|
|
* S4: Distributed Stream Computing Platform
|
|
|
* Storm @Twitter
|
|
|
* Large-scale Cluster Management at Google with Borg
|
|
|
* F1 - The Fault-Tolerant Distributed RDBMS Supporting Google’s Ad Business
|
|
|
* Cassandra: A Decentralized Structured Storage System
|
|
|
* MegaStore: Providing Scalable, Highly Available Storage for Interactive Services
|
|
|
* Dapper, a Large-Scale Distributed Systems Tracing Infrastructure
|
|
|
* Kafka: A distributed Messaging System for Log Processing
|
|
|
* Amazon Aurora: Design Considerations for High Throughput Cloud-Native Relational Databases
|
|
|
|
|
|
以上就是我为你准备的分布式系统经典论文清单了。这个清单里的每一篇论文，都是经典中的经典。很多论文对之后的工业界及学术界产生了翻天覆地的影响，开创了一个又一个火热的产业。
|
|
|
|
|
|
希望你没有被这个清单吓到，当你翻开这些论文后，就会发现它们的内容并不是高高在上，包含了很多很实际、很具体的问题。认真读下去，你甚至会有掌握了屠龙之技的快感，一发而不可收拾。
|
|
|
|
|
|
为了帮助你高效阅读这些论文，并汲取其中的精华，我再和你说说我阅读论文的一些心法吧。
|
|
|
|
|
|
## 如何高效地阅读论文？
|
|
|
|
|
|
一般来说，单篇论文大概会有 15 到 20 页的内容，**如果你是第一次读论文可以把重点放在前面的背景介绍、相关工作和概要设计上**。好的论文通常会很仔细地介绍背景知识，帮助你从宏观上先对整个问题有一个初步认识，了解当前现状。
|
|
|
|
|
|
接下来，你可以再**根据自己的兴趣，选择是否仔细阅读论文涉及的详细原理和设计**。这一部分，通常是论文中最精华的部分，包含了最具创新的理念和做法，内容通常也会比较长，需要花费较多的时间和精力去研究。这时，你可以根据自己的情况，选择一批论文重点突破。
|
|
|
|
|
|
论文最后通常是评测和数据展示部分。这部分内容对我们最大的参考价值在于，**学习作者的评测方法、用到的测试工具和测试样例**，以便将其运用到工作中。
|
|
|
|
|
|
阅读完一篇论文后，如果你觉得内容还不错的话，可以通过 Google 学术去搜索相关的文章，找到所有引用这篇论文的新作品。这样一来，你就可以通过一篇经典论文不断深入，全面掌握一个领域。
|
|
|
|
|
|
最后，我希望你可以通过经典论文的助力，迅速建立起自己的知识武器库，来攻克日常工作中的难题。
|
|
|
|