| .. | ||
| README.md | ||
Лабораторная работа №8: Устройство распределенных систем
Распределенные системы — это архитектура, где вычислительные задачи выполняются несколькими взаимодействующими между собой узлами (сервисами, приложениями). Каждый узел отвечает за свою область задач, что упрощает масштабирование, обеспечивает отказоустойчивость и улучшает производительность.
Зачем использовать распределенный стиль разработки?
Сложные системы, такие как социальные сети, требуют обработки огромного объема данных и высокой доступности. Разделение функционала на узкие сервисы упрощает разработку, тестирование и сопровождение. Например, один сервис может обрабатывать загрузку изображений, а другой — публикацию постов. Это позволяет масштабировать каждый компонент независимо, снижая нагрузку на всю систему.
Роль систем оркестрации
Системы оркестрации (например, Kubernetes) автоматизируют развертывание, управление и масштабирование приложений. Они упрощают сопровождение за счет централизованного управления, но добавляют сложность в настройке и требуют опыта для эффективного использования. Оркестрация помогает сохранять консистентность в сложной инфраструктуре и улучшает мониторинг.
Очереди обработки сообщений
Очереди сообщений (например, RabbitMQ или Kafka) обеспечивают асинхронное взаимодействие между сервисами. Сообщения — это данные, такие как запросы, события или команды. Очереди упрощают обработку высоких нагрузок и позволяют сервисам работать независимо друг от друга.
Преимущества и недостатки
Преимущества распределенных систем:
- Масштабируемость: легко увеличивать ресурсы для отдельных компонентов.
- Отказоустойчивость: сбой одного узла не влияет на всю систему.
- Производительность: задачи распределяются между сервисами.
Недостатки:
- Сложность разработки и отладки.
- Увеличение задержек из-за сетевого взаимодействия.
- Требования к инструментам управления и мониторинга.
Параллельные вычисления в распределенных системах
Параллельные вычисления целесообразны, если задачи можно разбить на независимые блоки. Например, обработка больших объемов данных в аналитике или видеокодировании. Однако их использование не нужно для последовательных задач, таких как запись транзакций в базу данных, где важна консистентность.