前言
2019年，做大数据开发已经6年了，这期间分布式系统的知识学习了不少，但基本都是由于项目需要，没有系统性的融会贯通提纲挈领，在一件小事的触动之下，决定系统性的学习分布式系统。
网上搜索“如何系统性的学习分布式系统”，得到的答案都不是很满意，比如有的知识点过于零散，没有主线贯穿，有的太偏学术，都是看不懂也不知道有什么实际作用的算法。
因此决定自己列一个提纲，梳理一下分布式系统的知识，以分布式系统的特性为出发点，着重分析一些比较常用的开源软件中的实现原理，注重工程实践，减少理论研究，以设计思路为研究对象，便于自己的学习，也希望帮助他人。
具体学习路线
学习一项技术，要看它解决了什么问题，为了解决这个问题，它又具有哪些特性，这些特性又分别如何实现。
分布式系统解决什么问题就不过多解释了，无非是单一的节点无法满足业务需求，需要多节点协同工作。
一个分布式系统，具备以下特性：
- 一致性。分布式系统整体对外表现出的一致性由它的一致性模型决定。
我们将会学习这些一致性模型：
Sequential Consistency
Causal Consistency
Linearizability
Session Guarantees for Weakly Consistent Replicated Data
以及相关数学知识，也会研究一些分布式系统：
zookeeper
mongodb - 时钟。系统通过事件发生的时间确定先后顺序。
我们将会学习这些时钟：
Lamport逻辑时钟
Vector clock
True Time - 共识。分布式系统具备达到共识的能力。(计划介绍一些共识算法，例如raft)
- 扩展性。（计划介绍一些提高系统扩展性的东西，比如一致性hash）
这应该会是一个持续更新的路线图，同时也欢迎大家的意见和建议。
如何系统性的学习分布式系统?