Distributed algorithms

امروزه شرکت ها به طیف وسیعی از نرم افزارهای توزیع شده برای مدیریت ذخیره سازی داده ها، پیام رسانی، مدیریت سیستم و قابلیت محاسبات متکی هستند. طراحی های سیستم های توزیع شده باید در برخی از زبان های برنامه نویسی پیاده سازی شوند و مشکلات رایجی وجود دارد که این پیاده سازی ها باید آنها را حل کنند. این مشکلات راه حل های تکراری مشترکی دارند. رویکرد الگوها برای توصیف این جنبه‌های پیاده‌سازی بسیار مناسب است.

الگوها به‌طور طبیعی به اندازه‌ای عمومی هستند که طیف وسیعی از محصولات را از سرویس‌های ابری مانند آمازون S3 گرفته تا کارگزاران پیام مانند آپاچی کافکا تا چارچوب‌های زیرساختی مانند Kubernetes را پوشش دهند. پایگاه های داده ای مانند MongoDB یا چارچوب های Actor مانند Akka. در عین حال ساختار الگو به اندازه کافی خاص است که بتواند کد واقعی را نشان دهد. زیبایی این رویکرد این است که حتی اگر ساختار کد در یک زبان برنامه نویسی (در این مورد جاوا) نشان داده شود، این ساختار برای بسیاری از زبان های برنامه نویسی دیگر اعمال می شود. الگوها همچنین یک «سیستم نام‌ها» را تشکیل می‌دهند که هر نام از نظر ساختار کد معنای خاصی دارد.

مجموعه‌ای از الگوهای ارائه‌شده در الگوهای سیستم‌های توزیع‌شده مفید خواهند بود. به همه توسعه دهندگان - حتی اگر مستقیماً در ساخت این نوع سیستم ها دخالت نداشته باشند و بیشتر از آنها به عنوان جعبه سیاه استفاده کنند. یادگیری این الگوها به خوانندگان کمک می کند تا درک عمیق تری از چالش های ارائه شده توسط سیستم های توزیع شده پیدا کنند و همچنین به آنها کمک می کند خدمات و محصولات ابری مناسب را انتخاب کنند. پوشش شامل الگوهای تکرار داده ها، الگوهای تقسیم داده ها، الگوهای زمان توزیع شده، الگوهای مدیریت خوشه، و الگوهای ارتباط بین گره ها است.

رویکرد الگوهای مورد استفاده در اینجا به شما کمک می کند

• بیاموزید که یک سیستم توزیع شده چیست و چرا به سیستم های توزیع شده نیاز است
• پیاده سازی طیف گسترده ای از سیستم ها مانند پایگاه های داده، شبکه های داده درون حافظه، کارگزاران پیام و خدمات مختلف ابری را درک کنید< /li>
• شما را آماده می کند تا با اطمینان از پایگاه های کد منبع باز عبور کنید و کشف کنید که چگونه الگوها و راه حل ها به سیستم های دنیای واقعی مانند کافکا و کوبرنتس نگاشت می شوند

Enterprises today rely on a range of distributed software handling data storage, messaging, system management, and compute capability. Distributed system designs need to be implemented in some programming language, and there are common problems that these implementations need to solve. These problems have common recurring solutions. A patterns approach is very suitable to describe these implementation aspects.

Patterns by nature are generic enough to cover a broad range of products from cloud services like Amazon S3 to message brokers like Apache Kafka to infrastructure frameworks like Kubernetes to databases like MongoDB or Actor frameworks like Akka. At the same time the pattern structure is specific enough to be able to show real code. The beauty of this approach is that even if the code structure is shown in one programming language (Java in this case), the structure applies to many other programming languages. Patterns also form a "system of names," with each name having specific meaning in terms of the code structure.

The set of patterns presented in Patterns of Distributed Systems will be useful to all developers—even if they are not directly involved in building these kinds of systems, and mostly use them as a black box. Learning these patterns will help readers develop a deeper understanding of the challenges presented by distributed systems and will also help them choose appropriate cloud services and products. Coverage includes Patterns of Data Replication, Patterns of Data Partitioning, Patterns of Distributed Time, Patterns of Cluster Management, and Patterns of Communication Between Nodes.

The patterns approach used here will help you

• Learn what a distributed system is and why distributed systems are needed
• Understand the implementation of a wide range of systems such as databases, in-memory data grids, message brokers, and various cloud services
• Prepare you to confidently traverse through open source codebases and discover how patterns and solutions map to real world systems like Kafka and Kubernetes