這幾年工作下來，一大感受，就是分佈式系統這一塊其實沒有一個非常清晰的知識圖譜，更多的是遇到了不同的問題，給出了不同的解決方案。我覺得要打好基礎，還是要多讀讀原理性的文章，然後再結合現實中工程的項目來提升理論。
1. GFS。google三駕馬車之一，分佈式文件系統。毋庸置疑，這應該是分佈式系統領域最經典的文章，幾乎所有分佈式、存儲和大數據相關的topic都要提到它。
2. BigTable。google三駕馬車之一，經典的分佈式key/value store。我的理解這類應用爲一個簡化版的數據庫。在實現上類似於操作系統的多級頁表。
3. MapReduce。分佈式計算框架。也是google三駕馬車之一。把所有的分佈式操作抽象成Map和Reduce兩類，使得編程非常簡單。只需要實現這兩個接口就行了。這應該是最早地最有影響力的提出了分佈式計算框架，把程序員從裸寫mpi程序中解放出來。
4. Spark。分佈式計算框架。現在也是大數據時代的寵兒，應該和MapReduce是應用的最廣的兩個計算框架了。MapReduce每一輪迭代都是在硬盤上，Spark是在內存中，所以速度可能快上兩個數量級。
這裏先推薦2個入門課程，MIT 6.824講了分佈式系統相關的基礎，會佈置大量的論文閱讀，實驗部分使用golang實現了Raft協議。CMU 15-721講數據庫實現的基礎和關鍵技術，也會有大量論文閱讀
1. https://pdos.csail.mit.edu/6.824/schedule.html
2. http://15721.courses.cs.cmu.edu/spring2018
最後列一下我覺得特別不錯的幾篇文章：
1. MapReduce: Simplified Data Processing on Large Clusters
Resilient Distributed Datasets
2. The Google File System
3. Bigtable: A Distributed Storage System for Structured Data.
4. Consistency Tradeoffs in Modern Distributed Database System Design
5. Spanner: Google’s Globally-Distributed Database
6. F1: A Distributed SQL Database That Scales
7. MapReduce: A major step backwards
8. A comparison of approaches to large scale data analysis
後續針對這幾篇文章再補一下自己的讀後感。