淘淘宅课程出品，必属精品，关注公众号 [淘淘宅] 获取最新资源。
30 天走向分布式 ccshih，一个系统走向分散式，一定有其不得不为的理由。Scalability 是最常见的理由之一。
我先简单的将 Scalabilty 的需求分成两种：
• Data Scalability: 单台机器的容量不足以 (经济的) 承载所有资料，所以需要分散。如：NoSQL
• Computing Scalability: 单台机器的运算能力不足以 (经济的) 及时完成运算，所以需要分散。如：科学运算。在之後几天，我会试着就这两种需求来解析其中会遇到的问题与常见解法。
课程目录
Day 1: Scalability
Day 2：分散式系统的面向
Day 3: Partition
Day 4：为什麼有有些时候不要把 query 酒到所有机器上平行处理？
Day 5:资料切割的 metadata 管理
Day 6: Replication
Day 7：无强一致性及无法决定执行顺序带来的问题
Day 8：最终一致性
Day 9: CAP Theorem
Day 10: In-Memory data
Day 11: Zookeeper
Day 12: Zookeeper (续）
Day 13: Apache Kafka
Day 14: Apache Kafka (2)
Day 15: Apache Kafka (3)
Day 16: Apache Kafka (4)
Day 17: Apache kafka (5)
Day 18: Apache Kafka 与 Stream Computing
Day 19：分散式资料系统 v. 科层组织
Day 20: In-Memory 的技术议题？
Day 21:分散式运算系统
Day 22：分散式运算系统的沟通方式
Day 23： Stream Computing 的应用范围
Day 24: Stream Computing 特性
Day 25：选择 Stream Computing 框架
Day 26: Stream Computing 框架的组成角色
Day 27：如何追踪每一个 record 的处理进度
Day 28：错误处理机制
Day 29:从 Stream 到 Micro batch
Day 30: Stream States & Finale
