一、分布式系统面临的挑战有哪些
分布式系统需要大量机器协作，面临诸多的挑战，其中主要的挑战有：
1、异构的机器与网络
分布式系统中的机器，配置不一样，其上运行的服务也可能由不同的语言、架构实现，因此处理能力也不一样；节点间通过网络连接，而不同网络运营商提供的网络的带宽、延时、丢包率又不一样。怎么保证大家齐头并进，共同完成目标，这是个不小的挑战。
2、普遍的节点故障
虽然单个节点的故障概率较低，但节点数目达到一定规模，出故障的概率就变高了。分布式系统需要保证故障发生的时候，系统仍然是可用的，这就需要监控节点的状态，在节点故障的情况下将该节点负责的计算、存储任务转移到其他节点。
3、不可靠的网络
节点间通过网络通信，而网络是不可靠的。可能的网络问题包括：网络分割、延时、丢包、乱序。相比单机过程调用，网络通信最让人头疼的是超时：节点A向节点B发出请求，在约定的时间内没有收到节点B的响应，那么B是否处理了请求，这个是不确定的，这个不确定会带来诸多问题，最简单的，是否要重试请求，节点B会不会多次处理同一个请求。
总而言之，分布式的挑战来自不确定性，不确定计算机什么时候crash、断电，不确定磁盘什么时候损坏，不确定每次网络通信要延迟多久，也不确定通信对端是否处理了发送的消息。而分布式的规模放大了这个不确定性，不确定性是令人讨厌的，所以有诸多的分布式理论、协议来保证在这种不确定性的情况下，系统还能继续正常工作。
二、分布式系统带来的问题及解答
1、如何找到所需的服务？——服务发现组件
问题描述：线上生产环境中，尤其容器部署情况下服务实例地址（服务器端口）是动态分配的，服务调用者无法提前获取服务实例地址和端口。
解决方案：在服务运行时，通过服务发现组件解析服务名来获取服务实例地址和端口。
2、如何找到实例？——请求分发的策略
问题描述：找到服务器后，还应该确定将当前请求发往服务器的哪一个实例。
解决方案：
（1）如果同一个服务的实例都是完全对等的（无状态），那么按负载均衡策略来处理就足够（随机、轮询、权重、hash、一致性hash、fair等各种策略）。
（2）如果同一个服务的实例不是对等的（有状态），那么需要通过路由服务（元数据服务等）先确定当前要访问的请求数据在哪一个实例上，然后再进行访问。
3、如何避免雪崩？
问题描述：一个故障由于正反馈不断被扩大，从而导致整个系统故障
解决方案：
（1）【快速失败】和【降级机制】：熔断、降级、限流等，通过快速减少系统负载来避免雪崩的发生。
（2）【弹性扩容机制】，通过快速增加系统的服务能力来避免雪崩的发生。
4、如何对系统进行监控？
问题描述：对于一个分布式系统，如果我们不能很清楚地了解内部的状态，那么高可用是没有办法完全保障的。
解决方案：监控系统的各层
（1）【硬件层面】：服务器温度、磁盘RAID阵列等。
（2）【系统层面】：存活状态、CPU、RAM、load负载。
（3）【应用层】：mysql、Nginx、Django、LVS、HAProxy。
（4）【业务层面】：PV、UV、订单。
5、分布式存储如何做数据切片？
问题描述：既然要实现分布式数据库，那么应该如何将数据进行切片？
解决方案：Hash、Consistent Hash和Range Based分片策略。
6、如何设置冗余？如何复制数据？
问题描述：分布式存储的高可用性需要冗余来保证，那么如何做冗余？如何对数据进行复制、更新时保证两份数据的一致性？
解决方案：
（1）【中心化方案】：主从复制、一致性协议（Raft和Paxos）。
（2）【去中心化的方案】：Quorum、Vector Clock。
