转载自：破布的博客
【注：这是经过小幅修改扩充的版本，刊登在中科院计算所计算机体系结构国家重点实验室的内刊《体系结构国重快讯》上，与《弯曲评论》上已刊登的版本小有不同，带来阅读不便表示抱歉。】
1945 年8月6日与9日，广岛和长崎两座日本本土城市先后在惊天动地的原子弹爆炸中被毁灭，核武器由此首次步入公众视野。全世界都被那两朵巨大蘑菇云的威力所震 慑。这两道重击也直接摧毁了日本最后的抵抗意志，一周后的8月15日，日本宣布无条件投降，在人类历史上写下最惨痛一页的第二次世界大战终于结束。核武器 横绝古今沛然莫御的威力，使得它成为战后制衡国际局势的一大王牌，对它的研究和制造在战后仍然未曾停息。而我们这一系列连载故事的主角，盈盈栖息于指尖之 上，不过毫厘见方的微型处理器，和这两朵摧枯拉朽的蘑菇云其实有着千丝万缕的联系。
（图注：两次原子弹爆炸的照片，来自维基百科。）
OpenStack的源码分析在网上已经非常多了，针对各个部分的解读亦是非常详尽。这里我根据自己的理解把之前读过的Swift源码的一些要点记录一下，希望给需要的同学能带来一些帮助。
百度作为全球最大的中文搜索引擎公司，提供基于搜索引擎的各种产品，几乎覆盖了中文网络世界中所有的搜索需求,因此，百度对海量数据处理的要求是比较高的， 要在线下对数据进行分析，还要在规定的时间内处理完并反馈到平台上。百度在互联网领域的平台需求要通过性能较好的云平台进行处理了，Hadoop就是很好 的选择。在百度，Hadoop主要应用于以下几个方面：
6月于硅谷举行的Velocity 2014大会上，Google首席科学家Jeff Dean做了一场题为《Achieving Rapid Response Times In Large Online Services》的主题演讲，分享了让大型系统运行更加流程以便改善用户体验的种种方法。
Jeff首先以Google的搜索服务为例，说明了何为大扇出服务（Large Fanout Service），即一个搜索请求需要有大量子系统（Web、新闻、图像、视频、博客等等）参与其中，以便提供更丰富的搜索结果。在Google，基本不会为特定的服务提供特定的机器，而是将服务都部署在一个机器池中，这被称为共享环境（Shared Environment），Google的共享环境大致会包含以下几个部分——Linux、调度系统、文件系统ChunkServer、多种其他系统服务、Bigtable Tablet Server、随机MapReduce任务、CPU密集型任务以及随机应用。它的好处是可以极大地提升利用率，但同时也会带来诸多无法预测的问题，比如网络拥塞等等。尤其是响应时间的长尾现象比较明显，一次请求的平均响应时间是10毫秒，但是却有99%ile的响应时间大于1秒，在大扇出服务中，如果需要调用100台服务器获得最终结果，那有63%的请求耗时会大于1秒。
提到这两个系统，他们在核心思路上是非常类似的，但有一些细节性的东西又有所偏重，在分布式系统中也算是独树一帜了，很有代表性的一个系列，这些不一致的地方，最明显的地方就在于一致性上。可见，哪怕是从追求简单为上的工程化实现来说，各种不同的方式实现一致性也都有很大的不同，不过他们也有一些共性和一些独树一帜的概念，下面来做一下分别解说。
继续翻老文章，首先是从Jeff Dean的一篇PPT演示文稿中看到了这一页，觉得对这些数值形成概念还是挺有用的，就转过来了，经常拿出来看一下，最终能做到熟记于心，并能在理论分析和程序设计时用上。
尽管是大神给出的数据，也还是想考证一下数字的出处，于是又在搜索引擎中找了一下。找到了对这个数据比较好的总结和归纳：链接。还有一处：链接2。也附一下传说中的大神的介绍：Jeff Dean。坊间关于Jeff的传说也是非常多了，诸如，Jeff这个月写的代码量下降了，是因为他换了一幅新的键盘。
(4.85分 - 13票) 
Loading ... | 同时归档在：软件技术 标签： Jeff Dean, Numbers Everyone Should Know, 程序员必读 
(3.77分 - 13票) 
