每一个微服务都拥有自己的被隔离的实体和容器。多个实体中的相同服务可以实现服务层面的负载均衡。 可利用性：微服务被部署在不同的实例，比如相同的微服务运行在多实例中，保证整个系统的高可用。 模式：分级服务的负载平衡

2016年04月29日：DeepMind模型迁移到TensorFlow。 2016年04月14日：发布了分布式TensorFlow。 TensorFlow是一种基于图计算的开源软件库，图中节点表示数学运算

当我写 企业应用程序架构的模式 时，我创造了我所谓的分布式对象设计 第一定律：“不分发你的对象” 。近几个月来， 微服务 引起了很多人的兴趣，导致一些人质疑微服务是否违反了这项定律，如果是，我为什么赞成他们？

摘要 本文详细的介绍了分布式数据管理的各种举措和一些应用案例，具有很强的实战指导作用。 1.1 分布式数据管理之痛点 为了确保微服务之间松耦合，每个服务都有自己的数据库, 有的是关系型数据库（

时间而可惜的（虽然事实上我个人会不时地远程查看爬虫状态）。 分布式。多网站抓取，数据量一般也比较大，可分布式扩展，这也是必需的功能了。分布式，需要注意做好消息队列，做好多结点统一去重。 爬虫优化。这就

对于希望监视复杂的 微服务架构 系统的组织，分布式追踪正在快速成为一种不可或缺的工具。Uber工程团队的开源分布式追踪系统 Jaeger 自2016年起，在公司内部实现了大范围的运用，已经集成于数百个

总的来看，Redis比Memcached的功能多很多，实现也更复杂。 不过Memcached更专注于保存key-value数据（这已经能满足大多数使用场景了），而Redis提供更丰富的数据结构及其他的一些功能。

wrapper; } } 整个AvatarMQ消息队列系统的运行情况，可以参考： Netty构建分布式消息队列（AvatarMQ）设计指南之架构篇 ，里面说的很详细了，本文就不具体演示了。 下图是

Paxos是Lamport于1990年提出的一种基于消息传递而具有高度容错特性的分布式一致性算法.这个算法是分布式中最为重要的算法,Google Chubby的作者Mike Burrows说过这个世界上只有一种一致性算法

导读：机器学习和深度学习是近年技术的热点，面对众多的机器学习平台如何进行选择，这是一个很困扰的问题。本文对分布式机器学习（ML）平台中使用的设计方法进行了调查，并提出了未来的研究方向。 本文比较了机器学习平台设计方法和使用指南，是我和

r 提出了 Volume 的概念。单机环境的数据卷难以满足 Docker 集群化的要求，因此需要引入分布式文件系统。目前开源的分布式文件系统有许多，例如 GFS，Ceph，HDFS，FastDFS，GlusterFS

-Efficient Distributed Optimization》提出了一种用于机器学习的分布式优化的通用框架 CoCoA。机器之心技术顾问 Yanchen Wang 对该研究进行了深度解读。 引言

Google的三篇论文影响了很多很多人，也影响了很多很多系统。这三篇论文一直是分布式领域传阅的经典。根据MapReduce，于是我们有了Hadoop；根据GFS，于是我们有了HDFS；根据BigTable，于是我们有了H

可以实现类似关系数据库单表查询的绝大部分功能，而且还支持对数据建立索引。 它的特点是高性能、易部署、易使用，存储数据非常方便。主要功能特性有： 面向集合存储，易存储对象类型的数据。 模式自由。 支持动态查询。

可以实现类似关系数据库单表查询的绝大部分功能，而且还支持对数据建立索引。 它的特点是高性能、易部署、易使用，存储数据非常方便。主要功能特性有： 面向集合存储，易存储对象类型的数据。 模式自由。 支持动态查询。

dCache是一个分布式的存储解决方案。它组织多台电脑的存储，合并后可用于存储数据;最终用户只是看到了大量的存储空间。由于最终用户不必知道 哪台计算机上的数据存储，其数据可从一台计算机迁移到另一台没有

Fossil 是一个简单、高可靠性的分布式软件配置管理系统。值得关注的功能： 1. Bug跟踪和Wiki 2. Web接口 3. 自动同步 4. 支持 HTTP 接口 5. 嵌入式

zabbix是一个基于WEB界面的提供分布式系统监视以及网络监视功能的企业级的开源解决方案。 zabbix能监视各种网络参数，保证服务器系统的安全运营；并提供柔软的通知机制以让系统管理员快速定位/解决存在的各种问题。

zabbix 是一个基于WEB界面的提供分布式系统监视以及网络监视功能的企业级的开源解决方案。 zabbix能监视各种网络参数，保证服务器系统的安全运营；并提供柔软的通知机制以让系统管理员快速定位/解决存在的各种问题。

介绍 当分布式系统编程成为你生活中的一部分时，你需要经历一段学习曲线。这篇文章描述了一下我当前在这个领域大致属于哪个层次，并希望能为你指出足够多的错误，从别人的错误中学习，从而使你能以最优的路径通