現代分散式系統架構
從 CAP 定理到去中心化協定的互動式深度解析
本報告旨在深入剖析構成當代分散式系統基石的五大核心。它們並非孤立的技術，而是一套相互關聯、彼此協作的解決方案。請點擊下方卡片，開始您的探索之旅，深刻理解這些概念的運作原理與其內在的權衡取捨。
第一章：鍵值儲存 (Key-Value Store)
在探討複雜的分散式系統之前，必須先理解其最基礎的資料儲存模型。鍵值儲存 (KVS) 作為 NoSQL 資料庫家族中最簡潔的形式，為現代大規模應用提供了高效能的資料存取基礎。
KVS vs. RDBMS 權衡
KVS 的崛起並非旨在完全取代傳統 RDBMS，而是為了解決不同類型的問題。下表清晰呈現了兩者在設計哲學與架構上的根本差異與權衡取捨。
| 特性 | 鍵值儲存 (KVS) | 關聯式資料庫 (RDBMS) |
|---|---|---|
| 資料模型 | 鍵與值的成對集合 | 具有行與列的資料表 |
| 綱要 (Schema) | 無綱要、彈性 | 預先定義、嚴格 |
| 擴展性 | 水平擴展 (Scale-out) | 垂直擴展 (Scale-up) |
| 一致性模型 | 通常為最終一致性 | 通常為強一致性 |
典型應用場景
基於低延遲、高吞吐量與水平擴展性的優勢，KVS 在多個領域得到了廣泛應用。點擊下方頁籤查看不同場景的說明。
第二章：一致性雜湊
當資料量超過單一伺服器負載時，需將資料分散儲存。一致性雜湊演算法提供了在動態增減節點時，能以最小代價重新分佈資料的能力，是實現系統彈性的基石。
互動式雜湊環
傳統雜湊取模在節點變動時會導致災難性的資料遷移。一致性雜湊透過環狀結構，將影響局部化。請使用下方按鈕，觀察新增或移除節點時，資料（灰色點）遷移的變化。
第三章：CAP 定理
CAP 定理是分散式運算最重要的理論基石。它指出任何分散式系統最多只能同時滿足一致性 (C)、可用性 (A) 與分割區容錯性 (P) 這三項保證中的兩項。
權衡的抉擇
在分散式系統中，網路分割區 (P) 是無法避免的。因此，當分割區發生時，您必須在一致性 (C) 與可用性 (A) 之間做出抉擇。請切換下方的「網路分割區」開關，並選擇您的系統設計策略。
CP 系統
若無法保證資料最新，則回傳錯誤或逾時。適合金融交易、訂單處理等不容許資料錯誤的場景。
AP 系統
回傳當前節點可存取的最新版本資料，可能為過期資料。適合社群媒體、內容分發等高可用性優先的場景。
第四章：向量時鐘
在沒有中央時鐘的系統中，確定事件的因果順序極具挑戰。向量時鐘提供了一種邏輯機制，用於追蹤事件間的因果關係，並偵測資料衝突。
因果關係模擬器
向量時鐘是一個 `[節點A計數, 節點B計數]` 陣列。請按步驟執行操作，觀察向量時鐘如何記錄事件歷史並偵測並行衝突。
操作面板
節點 A
[0, 0]
節點 B
[0, 0]
第五章：Gossip 協定
Gossip 協定（或稱流行病協定）模仿謠言的傳播方式，提供了一種去中心化、高擴展性且容錯的解決方案，用於在大型叢集中傳播狀態資訊與偵測故障。
擴展性比較：網路負載
Gossip 的網路負載約為 O(N log N)，而傳統的直接監控為 O(N²)。此圖表顯示隨著節點數量增加，Gossip 在擴展性上的巨大優勢。
資訊傳播模擬
點擊「開始傳播」，觀察一個新資訊（藍色節點）如何透過隨機的點對點「閒聊」快速地擴散至整個叢集。