order-id （ 3 ）帖子标识： tiezi-id 这个记录标识往往就是数据库中的 唯一主键 ，数据库上会建立聚集索引（ cluster index ），即在物理存储上以这个字段排序。

当我说我们是一个分布式团队时，我是指我们确实分布在整个地球上。Buffer 团队现在有 25 人，下面是 团队成员的位置图 。 分布式是如此快乐的 6 个原因 我认为分布式团队经常关注在挑

如今，各类企业都在积聚越来越庞大的数据资产，比如用户行为、系统访问、使用模式等数据记录。而运用像 微软 Azure 机器学习平台 这样的云端服务平台，企业不仅仅可以用它来储存数据，做一些经典的“后视”商务

Cola Cola是一个分布式的爬虫框架，用户只需编写几个特定的函数，而无需关注分布式运行的细节。任务会自动分配到多台机器上，整个过程对用户是透明的。 依赖 首先，确保Python版本为2.6或者2

Comcast 的开源的分布式系统库，为你的应用程序提供方便、低延迟的访问呢重要的参考数据，这些数据的特点是小、相对很少更新的只读数据集。由于目前的内存资源成本越来越低，多数数据都直接在内存中存放。 特性

InfluxDB是一个开源分布式的时序、事件和指标数据库。InfluxDB使用Go语音编写，无需外部依赖。其设计目标是实现分布式和水平伸缩扩展。 在InfluxDB数据库中，一切都是基于时间序列的

ZooKeeper是Apache Hadoop的一个子项目，其实现的功能与Google的Chubby基本一致，主要是用来解决分布式应用中经常遇到的一些数据管理问题，如：统一命名服务、状态同步服务、集群管理、分布式应用配置项的管理等。

任何计算机系统,无论是集中式或分布式,需要某种形式的治理,即。监控和管理系统的行为。等治理可能简单,确保只有授权用户可以访问的功能(如服务),或保证一样复杂系统及其组件保持可用性或可靠性水平的存在故障或增加系统负载。

Metamorphosis是一个高性能、高可用、可扩展的分布式消息中间件，类似于LinkedIn的Kafka，具有消息存储顺序写、吞吐量大和支持本地和XA事务等特性，适用于大吞吐量、顺序消息、广播和日志数据传输等场景，在淘宝和支付宝有着广泛的应用，现已开源。

的一个开源项目，允许开发者收集 Twitter 各个服务上的监控数据，并提供查询接口。 该系统让开发者可通过一个 Web 前端轻松的收集和分析数据，例如用户每次请求服务的处理时间等，可方便的监测系统中存在的瓶颈。

 （查看是否成功：ls -al /usr/lib | grep libevent  这个命令是会显示一堆数据哦） 安装memcached 1.下载memcached  官网地址是：http://code

ZooKeeper是Hadoop的正式子项目，它是一个针对大型分布式系统的可靠协调系统，提供的功能包括：配置维护、名字服务、分布式同步、组服务等。ZooKeeper的目标就是封装好复杂易出错的关键服务

导入/导出。基于组件的编程框架。该项目旨在支持各种目标框架。基于wxWidgets的GUI应用程序是主要的示例。还提供了快速数据库GUI设计包含UML导入/导出（DB逆向工程）。 项目主页： http://www

NSQ是一个大规模的实时分布式信息处理。设计工作在亿级别的规模，每天能够处理数十亿的消息。 项目主页： http://www.open-open.com/lib/view/home/1349858561338

Samza 是一个分布式流处理框架。它使用 Apache Kafka 用于消息发送，采用 Apache Hadoop YARN 来提供容错，处理器隔离，安全性和资源管理。专用于实时数据的处理，非常像Tw

分布式系统中经常需要协调多进程，多个jvm，或者多台机器之间的同步问题，得益于zookeeper，实现了一个分布式的共享锁，方便在多台服务器之间竞争资源时，来协调各系统之间的协作和同步。 package

是一个免费开源的分布式实时计算系统。简化了流数据的可靠处理，像 Hadoop 一样实现实时批处理。Storm 很简单，可用于任意编程语言。 Storm 有很多应用场景，包括实时数据分析、联机学习、持续计算、分布式

eos (easy operation service)是公司内部开发的分布式服务调用框架，基于zookeeper,netty,hessian等成熟框架。在使用上与spring无缝结合，无任何学习成本

Orleans是一个提供构建分布式高伸缩性计算应用的简单方法的框架，不需要学习和应用复杂并发或者其它伸缩模式。由微软研究院建立并广泛应用到微软自己和其它厂商的云计算环境中。 项目主页： http://www

的另外一个开源项目 mrjob 可以运行在 Apache Storm 框架上，就像 Hadoop 一样。开发者可以使用纯 Python 实现大数据的处理，并进行快速迭代。 利用Pyleus你能够： define a