【万字长文·图解】
从"单机"到"分布式"到"集群"------一次讲透两者的区别、联系、落地场景与常见架构
一、先放一张脑图
markdown
单机（one box）────┬──> 集群（Cluster）：多台机器干**同一件事**（横向复制）
└──> 分布式（Distributed）：多台机器干**不同的事**（横向拆分）关键词
- 集群 = 人多力量大（量）
- 分布式 = 专人干专事（分工）
- 现实中往往"分布式 + 集群"混合出现（既拆分又复制）
二、集群（Cluster）详解
1. 定义
多台物理/虚拟节点组成一个逻辑整体 ，对外提供同一种服务 ，通过复制提高并发量 与可用性。
2. 核心目标
- Scale-Out（横向扩展）
- High-Availability（故障转移）
- Load-Sharing（负载均衡）
3. 分类速记
| 类型 | 说明 | 产品案例 |
|---|---|---|
| 高可用集群 HA | 主备切换，A 挂了 B 立刻顶 | MySQL MGR、Redis Sentinel、Keepalived |
| 负载均衡集群 LB | 多台同时在线，流量分摊 | Nginx、LVS、HAProxy、AWS ELB |
| 计算集群 HPC | 并行计算，CPU 加一起算 | Slurm、Kubernetes Job |
| 存储集群 | 多磁盘拼成统一存储 | Ceph、GlusterFS、HDFS |
4. 经典架构图（以 Web 层为例）
markdown
┌───> 节点 1（Nginx）
LB──┤ ├───> 节点 2（Nginx） 对外 VIP 统一入口
└───> 节点 3（Nginx）- 所有节点跑同一套代码；
- 会话同步（粘性会话或 Redis）；
- 健康检查失败即剔除。
5. 优缺点
✅ 简单：代码零改造
✅ 线性扩容：加机器就提升 QPS
❌ 单点数据仍在单机（例如 MySQL 主库），集群 ≠ 数据分布式
三、分布式（Distributed）详解
1. 定义
把原本单机内不同功能 或同一功能的不同数据 拆到多台节点，节点之间通过网络协作 ，对外表现为一个系统。
2. 核心目标
- 拆分（数据/功能/计算）
- 自治（局部故障不影响全局）
- 最终一致性（CAP 权衡）
3. 拆分维度
| 维度 | 案例 | 产品 |
|---|---|---|
| 业务功能 | 订单服务、用户服务、库存服务独立进程 | 微服务 |
| 数据 | 按用户 ID 取模拆成 32 库 1024 表 | 分库分表、ShardingSphere |
| 计算 | Map 节点 + Reduce 节点各干各的 | Hadoop MapReduce |
| 时空 | 同一任务流水线 Stage1→Stage2 | Flink 流处理 |
4. 经典架构图（微服务 + 分库分表）
markdown
API 网关 ─┬─> 订单服务 ──> 订单库（分片 0-31）
├─> 用户服务 ──> 用户库
└─> 库存服务 ──> 库存库（分片 0-15）- 每个服务代码不同 、数据不同；
- 节点失败只影响局部；
- 需要分布式事务/消息最终一致性。
5. 优缺点
✅ 突破单机容量上限（数据、计算）
✅ 独立发布、弹性伸缩
❌ 复杂：远程调用、幂等、分布式事务、脑裂、网络分区
❌ 延迟比本地高 1~2 个数量级
四、集群 vs 分布式------一句话对比
| 维度 | 集群 | 分布式 |
|---|---|---|
| 单元关系 | 同构节点（镜像） | 异构节点（分工） |
| 透明性 | 对客户端几乎透明 | 需要服务发现、网关 |
| 扩展目标 | 提升吞吐量 &可用性 | 提升容量 &可维护性 |
| 故障范围 | 节点级冗余，数据仍可能单点 | 局部故障，数据/计算已拆分 |
| 代码改造 | 零/少量 | 必须（接口、数据路由、容错） |
| CAP 侧重 | 侧重 AP（高可用） | 必须面对 CP/AP 选择 |
五、为什么总把两者混用？
"分布式"里每个子服务本身又可以是"集群"------既分工又复制。
电商订单架构示例
订单服务（集群 3 副本）──> 订单表（分片 0-15，每片 2 副本）- 分布式 ：订单表按用户 ID 拆成 16 个分片 → 数据分布式
- 集群 ：每个分片有 2 副本 → 高可用集群
六、演进路线（老板最爱问的"三步走"）
- 单机 → 集群（先解决并发&可用，不动代码）
- 集群 → 分布式（数据量/研发规模变大，开始拆分）
- 分布式 → 混合云/多活（地域容灾、弹性、成本）
七、常见产品对照表
| 场景 | 集群产品 | 分布式产品 |
|---|---|---|
| 数据存储 | MySQL MGR、Redis Sentinel | MySQL Sharding、TiDB、CockroachDB |
| 计算 | Kubernetes ReplicaSet | Hadoop MapReduce、Spark、Flink |
| 消息 | ------ | Kafka、Pulsar（分区+副本） |
| 协调 | ------ | ZooKeeper、etcd、Consul |
八、一张图总结（保存即可）
markdown
单机
│
┌───────┴───────┐
│ │
集群（复制） 分布式（拆分）
│ │
└───────┬───────┘
▼
现代互联网架构
（微服务 + 分片 + 副本）九、一句话背下来
集群 让同一台服务 变好多台 ；
分布式 让一台机器的任务 拆成好多台机器的任务 ；真正的大型系统 = 分布式 + 集群 ------既分工又人多。