分散式系統架構的問題，透過圖書和論文來找解法和答案更準確安心。 我們找到下列懶人包和總整理

NoSQL開發完美方案：Redis+Docker高性能虛擬化實戰

為了解決分散式系統架構的問題，作者高洪岩 這樣論述：

還在MySQL嗎？ 全世界都在NoSQL了，首選當然就是Redis！ 好裝好用還能用Docker做叢集分佈，帶你進入巨量資料的世界。 　　絕大多數Redis初學者只會拿Redis當Map用，只會在單機環境上只會針對String資料類型進行SET和GET操作，這當然不是Redis！Redis本身就支援多台叢集的功能，這才是NoSQL的精神所在。當系統出現大量存取需求時，單台Redis伺服器並沒有形成高可用的運行環境，這也是大家使用Redis最常見的錯誤。 　　本書程式設計師提供一本實戰開發的Redis圖書，包括高頻使用的Redis運行維護知識、使用常用的Redis Java Client

API框架Jedis來操作Redis伺服器的知識和技能。書中充實地介紹了常用Command命令的使用方法，介紹的命令的覆蓋率達到90%以上。當然最流行的Docker佈署方式也是Redis的最佳拍檔，本書也完全介紹。 　　▌本書重點 　　完整解析Redis的5大資料類型String、Hash、List、Set和Sorted Set 　　Connection類型命令 　　Key類型命令 　　HyperLogLog、Redis Bloom布隆篩檢程式 　　控制頻率的Redis-Cell模組 　　高性能佇列的Pub/Sub命令 　　資料排序統計的Streaming 　　批次執行的Pipelinin

g 　　持久化、主從複製以及檢查點的故障發現/轉移 　　使用ACL來對Key進行保護 　　▌目標讀者 　　所有使用 Redis 和 Jedis 進行程式設計的開發人員。 　　伺服器和資料儲存系統開發人員。 　　分散式系統架構師。 　　網際網路技術程式設計師。 　　網際網路技術架構師。

分散式系統架構進入發燒排行的影片

基於多任務深度學習之具ONVIF安全監控系統架構設計

為了解決分散式系統架構的問題，作者胡尚忠 這樣論述：

智慧視訊監控系統(Intelligent Video Surveillance System)已成為現代化營區安全不可或缺的基礎設施，對於監控系統平台設計而言，應具有效且穩定網路傳輸、支援多影像來源及傳輸視訊影像具一定品質可供影像管理分析，以降低因傳輸過程受到網路環境、影像擷取方式等不確定因素影響。在現今諸多視訊監控網路系統研究中，其架構主要為網路遠端影像監控之分散式系統架構，普遍未考量系統各層資安防護架構之擴充性與未能採設備統一介面規範，另伴隨深度學習技術的發展，受限於深度學習模型演算成本過高與推論預測時間過長，大多局限於單一功能，尚未兼具多任務(Multiple Tasks)，故本研究提

出一個可支援基於深度學習之多任務具ONVIF Profile協議智慧視訊監控系統的網路串流架構並提出適性串流演算法，除可防範攝影機被駭或網路攻擊所造成之突破口並有效將多個深度學習網路模型整合，且能有效降低多個深度學習任務運算之延遲時間。本研究利用多個不同解析度影像經過3種深度學習(目標辨識，人員再辨識以及文字生成)，透過所提出的適性串流演算法結合Kafka架構，來進行實驗驗證，實驗場景區分成對照與實驗組兩種模式探討多任務深度學習模型所導致高延遲成本，實驗數據顯示實驗組結果可較對照組，降低約25%的頻寬延遲，確實可以有效降低網路串流影片的延遲性(Latency)。關鍵詞：智慧型監控系統，多任務深

度學習，開放式網路視訊介面論壇(ONVIF)

超大流量系統解決方案: 大型網站架構師的經驗分享

為了解決分散式系統架構的問題，作者高翔龍 這樣論述：

這是一本難得一見不藏私、經驗分享的書籍，讓你一窺大流量電商網站的秘密。   　　作為一位工程師，你可以捫心自問，對於短時間活動的超熱商品，你有辦法做到不塞車到掛、不超賣嗎？ 　　你以為光是靠雲端加硬體就能解決嗎？這樣會不會太浪費？   　　台灣本土的應用規模有限，你可以想像淘寶在1111活動前及活動當下，工程師們做了什麼準備以及承受多大的壓力嗎？   　　當維運團隊透過各種技術的配合順利完成了1111活動，你能想像這會有多大的成就感嗎？   　　本書作者待過眾多大型電商平台，並提出過去他們是怎麼克服大流量的挑戰，方法不只一招，是眾多招數串接而成。

  　　本書包含了許許多多扎扎實實的程式設計與架構設計的技巧，你就算沒辦法全看懂也沒關係，光是其中一兩招應該就能解決你現在面臨的問題了。   　　作者的話 　　目前市面上歌頌架構理論的讀物居多，真正講解大型網站架構解決方案的書籍卻寥寥無幾。對於這塊領域的空白，我想嘗試著去創作，把我這些年的經歷和經驗寫出來，讓更多人受益-------高翔龍   　　本書共5章，每章的內容幾乎都是獨立的，大家完全可以有選擇性地閱讀。   　　第1章 　　主要介紹分散式系統架構的演變過程，以及在大規模服務呼叫場景下，如何實施服務治理。   　　第2章 　　主要介紹在促銷活動

前，如何在線上測試系統的穩定性，以及有規劃的進行容量和效能最佳化，讓系統能穩定的運作。   　　第3章 　　主要介紹如何有效地對流量進行管制，若採用合理且有效的方式控制住巔峰流量，使其井然有序地對系統進行存取，則在任何情況下，系統就都能穩定運行。   　　第4章 　　主要介紹在促銷活動搶購的網路流量下，該如何解決高併發讀取和寫入等核心技術難題。   　　第5章 　　詳細地介紹關聯式資料庫的架構演變過程，還重點介紹在實際的訂單業務場景下，如何確保資料最終的一致性。   　　本書使用大量的真實案例，詮釋如何解決實務中遇到的問題，並且能直接應用在實際工作中。

用於平行偵測Android應用程式異常之操作注入框架的分散式架構設計

為了解決分散式系統架構的問題，作者王方顯 這樣論述：

AAD (Android Anomaly Detector)框架是一個能自動化偵測Android應用程式異常(Anomaly)行為的工具。該工具透過分析應用程式的GUI狀態圖產生出多條測試路徑，並且能在各測試路徑中注入一種或多種操作 (Operation)，例如旋轉螢幕、以及撤銷權限等等，再使用注入過後的測試路徑來偵測應用程式是否有發生異常行為。但隨著應用程式的測試路徑以及注入操作的數量提升，既有AAD卻只支援本地單一裝置、順序執行的方式進行測試，因此需要大量時間來執行測試。為了解決上述問題，本論文擴充AAD使其支援同時使用多裝置進行平行化測試，用空間換取時間，以達成不影響操作注入數量的前提

下大幅減少測試時間，並且為了提高平行化執行的可擴展性，本論文進一步提出一種分散式架構，允許AAD使用遠端Android虛擬裝置進行測試，並能根據所需調整其數量。實驗結果顯示AAD進行平行化執行時能在不影響測試結果的前提下大幅減少測試時間，在使用本地4台裝置時平均能達到3.1倍的加速幅度。另外，AAD在使用分散式架構獲得遠端裝置進行測試時，能使同時使用的裝置上限突破4台，且將會比本地裝置更有效率，進一步縮短執行測試的時間。此外，在同時使用8台及16台裝置時平均能加快4.6倍與5.6倍。