Part I 討論的是資料儲存在單一機器上的情境。Part II 則將視野拓展到多台機器——當資料分布在不同節點上時，系統設計會面臨全然不同的挑戰。

為什麼要分散式？#

將資料分布到多台機器上，通常基於以下需求：

• 可擴展性（Scalability）：單一機器的讀寫吞吐量或儲存容量不足以應對成長的負載
• 容錯與高可用性（Fault Tolerance / High Availability）：即使部分機器故障，系統仍能持續運作
• 低延遲（Latency）：將資料放在地理上更接近使用者的位置，減少回應時間

本篇章節#

Part II 圍繞著「資料分布到多台機器後會發生什麼事」這個核心問題，分為五章：

• Chapter 5 — 複製（Replication）：在多個節點上維護相同資料的副本，探討主從複製、多主複製與無主複製等策略
• Chapter 6 — 分片（Partitioning）：將大型資料集切分到不同節點上，討論分片策略與路由機制
• Chapter 7 — 事務（Transactions）：在分散式環境下如何保證一組操作的原子性與正確性
• Chapter 8 — 分散式系統的麻煩（The Trouble with Distributed Systems）：網路不可靠、時鐘不同步、程序隨時可能崩潰——分散式系統中各種會出錯的事
• Chapter 9 — 一致性與共識（Consistency and Consensus）：面對上述困難，系統能提供哪些正確性保證，以及如何達成節點間的共識

核心概念預覽#

複製與分片是兩種互補的策略——複製讓多個節點持有相同資料以提高可用性，分片則讓不同節點各自負責一部分資料以提高容量與吞吐量。實務上，兩者經常同時使用。

這五章從具體機制逐步推進到抽象理論：先理解資料如何複製與切分，再探討事務如何在分散環境中運作，接著正視分散式系統固有的不確定性，最終收束於一致性模型與共識演算法——這是分散式系統理論的核心。