分布式是指將一個業務拆分不同的子業務，分布在不同的機器上執行，集群是指多臺服務器集中在一起，實現同一業務，可以視為一臺計算機，一個云計算平臺，就是通過一套軟件系統把分布式部署的資源集中調度使用。要應對大并發，要實現高可用，既需要分布式，也離不開集群。

創新互聯建站是一家朝氣蓬勃的網站建設公司。公司專注于為企業提供信息化建設解決方案。從事網站開發，網站制作，網站設計，網站模板，微信公眾號開發，軟件開發，微信小程序開發，十年建站對成都食品包裝袋等多個方面，擁有豐富的網站維護經驗。

分布式和集群區別?

分布式

分布式：是指將一個業務拆分不同的子業務，分布在不同的機器上執行。

常用的分布式就是在負載均衡服務器后加一堆web服務器，然后在上面搞一個緩存服務器來保存臨時狀態，后面共享一個數據庫，

如圖所示:

這種環境下真正進行分布式的只是web server而已，并且web server之間沒有任何聯系，所以結構和實現都非常簡單。

集群

集群：是指多臺服務器集中在一起，實現同一業務，可以視為一臺計算機。

多臺服務器組成的一組計算機，作為一個整體存在，向用戶提供一組網絡資源，這些單個的服務器就是集群的節點。

兩個特點

可擴展性：集群中的服務節點，可以動態的添加機器，從而增加集群的處理能力。

高可用性：如果集群某個節點發生故障，這臺節點上面運行的服務，可以被其他服務節點接管，從而增強集群的高可用性。

集群分類

常用的集群分類

1.高可用集群(High Availability Cluster)

高可用集群,普通兩節點雙機熱備，多節點HA集群。

2.負載均衡集群(Load Balance Cluster)

常用的有 Nginx 把請求分發給后端的不同web服務器，還有就是數據庫集群，負載均衡就是，為了保證服務器的高可用，高并發。

3.科學計算集群(High Performance Computing Cluster)

簡稱HPC集群。這類集群致力于提供單個計算機所不能提供的強大的計算能力。

兩大能力

負載均衡：負載均衡能把任務比較均衡地分布到集群環境下的計算和網絡資源。

集群容錯：當我們的系統中用到集群環境,因為各種原因在集群調用失敗時，集群容錯起到關鍵性的作用。

例如 Dubbo 的集群容錯：

Failover Cluster

失敗自動切換，當出現失敗，重試其它服務器，通常用于讀操作，但重試會帶來更長延遲。

Failfast Cluster

快速失敗，只發起一次調用，失敗立即報錯，通常用于非冪等性的寫操作，比如新增記錄。

Failback Cluster

失敗自動恢復，后臺記錄失敗請求，定時重發，通常用于消息通知操作。

Forking Cluster

并行調用多個服務器，只要一個成功即返回，通常用于實時性要求較高的讀操作，但需要浪費更多服務資源。

簡單總結

分布式，從狹義上理解，也與集群差不多，但是它的組織比較松散，不像集群，有一定組織性，一臺服務器宕了，其他的服務器可以頂上來。

分布式的每一個節點，都完成不同的業務，一個節點宕了，這個業務就不可訪問了。

1. 分布式是指將一個業務拆分不同的子業務，分布在不同的機器上執行。

2. 集群是指多臺服務器集中在一起，實現同一業務，可以視為一臺計算機。

分布式的每一個節點，都可以用來做集群。而集群不一定就是分布式了。

什么是云計算平臺?

一個云計算平臺，就是通過一套軟件系統把分布式部署的資源集中調度使用。要應對大并發，要實現高可用，既需要分布式，也離不開集群。

比如負載均衡，如果只是一臺服務器，這臺宕機了就完蛋了。

分布式的難點，就是很多機器做存在依賴關系的不同活兒，這些活兒需要的資源、時間區別可能很大，某些機器還可能罷工，要怎么樣才能協調好，做到效率最高，消耗最少，不出錯。

分布式的應用場景?

平時接觸到的分布式系統有很多種，比如分布式文件系統，分布式數據庫，分布式WebService，分布式計算等等，面向的情景不同，但分布式的思路是否是一樣的呢?

1.簡單的例子

假設我們有一臺服務器，它可以承擔1百萬/秒的請求，這個請求可以的是通過http訪問網頁，通過tcp下載文件，jdbc執行sql，RPC調用接口…，現在我們有一條數據的請求是2百萬/秒，很顯然服務器hold不住了，會各種拒絕訪問，甚至崩潰，宕機，怎么辦呢。

一臺機器解決不了的問題，那就兩臺。所以我們加一臺機器，每臺承擔1百萬。如果請求繼續增加呢，兩臺解決不了的問題，那就三臺唄。

這種方式我們稱之為 水平擴展 。如何實現請求的平均分配便是 負載均衡了 。

另一個栗子，我們現在有兩個數據請求，數據1 90萬，數據2 80萬，上面那臺機器也hold不住，我們加一臺機器來負載均衡一下，每臺機器處理45萬數據1和40萬數據2，但是平分太麻煩，不如一臺處理數據1，一臺處理數據2，同樣能解決問題，這種方式我們稱之為 垂直拆分 。

水平擴展和垂直拆分是分布式架構的兩種思路，但并不是一個二選一的問題，更多的是兼并合用。下面介紹一個實際的場景。這也是許多互聯網的公司架構思路。

2.實際的例子

我此時所在的公司的計算機系統很龐大，自然是一個整的分布式系統，為了方便組織管理，公司將整個技術部按業務和平臺拆分為部門，訂單的，會員的，商家的等等，每個部門有自己的web服務器集群，數據庫服務器集群，通過同一個網站訪問的鏈接可能來自于不同的服務器和數據庫，對網站及底層對數據庫的訪問被分配到了不同的服務器集群,這個便是典型的按業務做的 垂直拆分 ，每個部門的服務器在hold不住時，會有彈性的擴展，這便是 水平擴展 。

在數據庫層，有些表非常大，數據量在億級，如果只是純粹的水平的擴展并不一定最好，如果對表進行拆分，比如可以按用戶id進行水平拆表，通過對id取模的方式，將用戶劃分到多張表中，同時這些表也可以處在不同的服務器。按業務的垂直拆庫和按用戶 水平拆表 是分布式數據庫中通用的解決方案。

比如 Mycat 開源分布式數據庫中間件www.mycat.io/

3.分布式一致性

分布式系統中，解決了負載均衡的問題后，另外一個問題就是數據的一致性了，這個就需要通過同步來保障。根據不同的場景和需求，同步的方式也是有選擇的。

在分布式文件系統中，比如商品頁面的圖片，如果進行了修改，同步要求并不高，就算有數秒甚至數分鐘的延遲都是可以接受的，因為一般不會產生損失性的影響，因此可以簡單的通過文件修改的時間戳，隔一定時間掃描同步一次，可以犧牲一致性來提高效率。

但銀行中的分布式數據庫就不一樣了，一丁點不同步就是無法接受的，甚至可以通過加鎖等犧牲性能的方式來保障完全的一致。

在一致性算法中paxos算法是公認的最好的算法，Chubby、ZooKeeper 中Paxos是它保證一致性的核心。這個算法比較難懂，我目前也沒弄懂，這里就不深入了。

網頁題目：分布式和集群區別？什么是云計算平臺？分布式的應用場景？
分享URL：http://vcdvsql.cn/article0/sgoio.html

成都網站建設公司_創新互聯，為您提供小程序開發、品牌網站建設、網站排名、虛擬主機、品牌網站設計、企業網站制作

廣告

聲明：本網站發布的內容（圖片、視頻和文字）以用戶投稿、用戶轉載內容為主，如果涉及侵權請盡快告知，我們將會在第一時間刪除。文章觀點不代表本網站立場，如需處理請聯系客服。電話：028-86922220；郵箱：631063699@qq.com。內容未經允許不得轉載，或轉載時需注明來源： 創新互聯