1
無論是我們在學校剛開始學編程，還是在剛參加工作開始處理實際問題，寫出來的程序都是很簡單的。因為面對的問題很簡單。
以處理數據為例，可能只是把一個幾十 K 的文件解析下，然后生成一個詞頻分析的報告。很簡單的程序，十幾行甚至幾行就搞定了。
直到有一天，給你扔過來 1000 個文件，有些還特別大，好幾百 M 了。你用之前的程序一跑，發現跑的時間有點長。于是想要去優化下。
1000 個文件，互相還沒業務聯系，用多線程呀，一個線程處理一個文件，結果再匯總就搞定了?？偹惆褜W校里學的操作系統知識和編程語言里的多線程庫都運用起來了。你很高興，老師知道了也會很欣慰。
如果多線程效果不夠好，比如像 Python 的多線程，沒法利用多核的威力，那就用多進程。
如果嫌線程和進程切換開銷太大，大到影響整體性能 -- 通常就是所謂的 I/O bound 的場景，還可以用協程這類技術。
無論是線程、進程，還是協程，本質上，目的都是為了計算的并行化，解決的是算的慢的問題。
而如果計算量足夠大，就算榨干了機器的計算能力，也算不過來，咋辦？
一臺機器不夠，那就多搞幾臺機器嘛。所以就從多線程/進程/協程的「計算并行化」，進化到了「計算的分布式化」（當然，分布式一定程度上也是并行化）。
2
這還沒完，另一方面，如果處理的數據有 10T，而你手上的機器只有 500G 的硬盤，怎么辦？
一種辦法是縱向擴展，搞一臺幾十 T 硬盤的機器；另一種是橫向擴展，多搞幾臺機器，分散著放。前者很容易到瓶頸，畢竟數據無限，而一臺機器的容量有限，所以在大數據量的情況下，只能選后者。
把數據分散到多臺機器，本質上解決的是存不下的問題。
同時，剛才提到計算分布式化后，總不能所以程序都去同一臺機器讀數據吧，這樣效率必然會受到單臺機器性能的拖累，比如磁盤 IO、網絡帶寬等，也就逼著數據存儲也要分散到各個機器去了。
基于這兩個原因，數據存儲也分布式起來了。
3
前面說計算的分布式化的時候，有這么一句話：
一個線程處理一個文件，結果再匯總就搞定了
先做任務的拆分，然后再做結果的合并。本質上就是分治的思想。很顯然，分治是個非常通用和應用無關的方法，沒有必要每個應用都去實現一遍，做個通用的庫就行了，或者裝逼點，我們叫它框架。
解決這個問題之后，再做好抽象，豐富下功能，定義好 API，基本的樣子就出來了。
于是，我們有了一個分布式的計算框架。
4
而說存儲的分布式化的時候，忽略了一些問題，比如：
- 怎么拆分數據？以什么粒度拆？
- 使用方怎么知道哪些數據在哪里？
這些問題的答案也不難：
- 像前面說的那樣以文件為單位去拆分，恐怕不妥。文件大小差距可能很大，不利于數據的均衡分布，需要拆的更細。
- 為了讓使用方知道該去哪臺機器拿想要的數據，尤其在數據的切割粒度不再是使用方能理解的文件之后，需要維護一個數據單元和機器/服務位置的映射關系。
當然，問題不只這些，只是舉例而已。解決這些問題之后，再加以完善，封裝好 API 和服務，一個能存海量數據的框架就有了，或者裝逼點，我們叫它引擎。
于是，我們有了一個分布式的存儲引擎。
5
分布式存儲引擎和分布式計算框架，就是一個分布式系統最基礎的組成部分。
廣義的分布式系統，當然不只包含這兩個東西。但它們是最基礎和核心的東西。有了它們，我們就能對海量數據做最基本和通用的處理，而不再被單臺機器束縛住。
是的，分布式系統很強大、很有用。但什么時候該用，什么時候又不要高射炮打蚊子呢？
其實也很簡單。和分布式系統嘗試解決的問題對應起來，就一目了然了：
- 當你嘗試了各種優化方法，還是不能把計算時間降低到一個可接受的程度的時候
- 當你發現找不到硬盤更大的機器來裝下你的數據，或者無法承擔這個成本的時候
那很有可能，你需要考慮分布式系統了。
至于多慢叫慢，多大叫大，就區別于應用場景了。
老板每天早上要看的報表，凌晨跑幾個小時都能接受；全平臺的準實時監控數據，就等不了幾個小時了。
同樣是做指標統計，幾百 G 的用戶注冊數據可能不算大，但幾百 G 的用戶行為數據可能就很大了。后者比前者更有可能需要分布式系統，因為增長速度會快一兩個數量級。
6
一個乍看起來很無厘頭，細想又挺值得思考的問題：微服務是不是分布式系統？
類似的問題還有：分庫分表+訪問中間件的數據庫是不是分布式系統？
廣義來講，都可以算是。
狹義來講，也是從這個系列關注的角度來看，分布式系統是指大數據領域下，以處理海量數據為目的的系統。
當然，分布式系統遠不止這么簡單的兩個分類，也遠不止表面上看起來這樣隨便弄弄就能用好，還有非常多需要考慮和解決的問題，其中很多恰恰是分布式本身帶來的問題（聽起來很無奈吧），這也是這個系列后面會花大量篇幅去講的內容。
這樣，我們就對開頭提到的 What -- 這個東西是什么，也有了基本的認識。
（看吧，先講 Why，再講 What，也沒有影響我們學習這個東西。我這么組織，也是想借這點來強調開頭提到的多思考 Why 的重要性。）
總結：
這個系列文章關注的分布式系統，是指以處理海量數據為目的的多機系統。
我們之所以需要分布式系統，是為了擺脫單機資源的束縛。再具體點，是為了解決這兩個問題：
- 單臺機器算的慢，哪怕協程、多線程、多進程全用上
- 單臺機器裝不下，哪怕你有再多的錢
實際應用中，分布式系統最基礎核心的是兩種：
- 分布式計算框架，用來解決算的慢的問題
- 分布式存儲引擎，用來解決存不下的問題
知道了為什么要有分布式系統，以及什么時候應該用分布式系統。緊接著一個問題就是，分布式系統都是怎么來的，又是誰做出來的呢？
