耐心，真的很重要。因为你极少看到阅读源码的指导性文章或书籍，也没有人要求或你读。你读的过程中经常会卡住，而一卡主可能就陷进了迷宫。这时，你需要做的，可能是暂时中断一下，再从外围看看它:如API结构、框架的设计图。

　　分布式系统是一个古老而宽泛的话题，而近几年因为 大数据 概念的兴起，又焕发出了新的青春与活力。除此之外，分布式系统也是一门理论模型与工程技法并重的学科内容。相比于机器学习这样的研究方向，学习分布式系统的同学往往会感觉:入门容易，深入难。的确，学习分布式系统几乎不需要太多数学知识。

　　总的来说，分布式系统要做的任务就是把多台机器有机的组合、连接起来，让其协同完成一件任务，可以是计算任务，也可以是存储任务。如果一定要给近些年的分布式系统研究做一个分类的话，我个人认为大概可以包括三大部分:

　　为解决单体架构下的各种问题，微服务架构应运而生。与其构建一个臃肿庞大、难以驯服的怪兽，还不如及早将服务拆分。微服务的核心思想便是服务拆分与解耦，降低复杂性。微服务强调将功能合理拆解，尽可能每个服务的功能单一，按照单一责任原则(Single Responsibility Principle)明确角色。 将各个服务做轻，从而做到灵活、可复用，亦可根据各个服务自身资源需求，单独布署，单独作横向扩展。

　　性能优化是没有止境的，但是目前没有一个机器学习平台能够一统天下，一个公司靠自己一个平台的可能性已经微乎其微，事实上也没有太大的必要，更多的是相互借鉴相互融合，因此从性能优化的角度来看，跟紧学术前沿，跟紧社区潮流是必要的。在这个基础上，有针对性的对关键算法进行优化也许是合适的选择。

　　以上专题我都找朋友已经好视频，做成文档资料整理好在群694549689，里面的资料免费分享给大家，希望可以帮助在这个行业发展的朋友和童鞋们，在论坛博客等地方少花些时间找资料，把有限的时间，真正花在学习上，所以小编我把这些资料，分享出来。相信对于已经工作和遇到技术瓶颈或者写博客码友，这份资料一定都有你需要的内容。

　　如果想跳槽，打开各种招聘 App，按条件搜索一下高薪工作，筛选个离自己家近点的公司，看看人家的岗位需求，自己的知识还是差点，可能工作经验已经到了，但是很多知识都没有掌握，在小公司平台了自己的见识，想要拿到BAT的offer，有时候面试时不知道自己需要讲些什么，面试官讲的知识自己明明知道，却又是讲不出来。