Kubernetes 工程師必讀的分散式系統閱讀清單

分散式系統對我來說是一門很有趣的學科，也為前人所奠基的基礎創造出來的科學方法驚艷：它把複雜問題拆解成有條理、可驗證的步驟，讓我們能打造在大規模下仍然穩定且高效能的系統。

如果你正在使用 Kubernetes、想從 Google 的 Borg 經驗學習，或在面對 SRE 的維運挑戰，我認為這些奠基論文能提供你需要的理論根基與實務洞見。它們塑造了我們如何在規模下建構與營運分散式系統的思維。這些資源不只適用於軟體開發者、系統工程師或站台可靠性工程師（SRE），任何在分散式系統領域工作的人都能受益。

1. “The Google File System” (2003)

摘要： 本文介紹 GFS，Google 的分散式檔案系統，設計目標是在一般商用硬體上運行，同時為大量用戶端提供高總體效能。它提出把故障視為常態而非例外的設計思維與處理方式。

核心概念： 元件故障是常態、大檔案最佳化、原子性記錄附加操作、寬鬆的一致性模型、Master-Chunk Server 架構。

為什麼要讀： 理解 GFS 能幫助你掌握 Kubernetes 持久化卷等系統背後的儲存基礎。它在一致性與可用性之間的設計取捨，直接對應到容器平台的儲存編排。

2. “MapReduce: Simplified Data Processing on Large Clusters” (2004)

摘要： MapReduce 提出一種程式設計模型，讓你在叢集中以平行、分散式演算法處理大型資料集。它把平行化、容錯與負載平衡的複雜度隱藏起來。

核心概念： Map/Reduce 函式、自動平行化、透過重新執行達到容錯、資料就地性最佳化、主從架構。

為什麼要讀： 雖然 Kubernetes 不直接跑 MapReduce 工作，但了解這種計算模型有助於你設計批次工作負載與任務調度。資源排程與故障復原的原則正是 Kubernetes 管理工作負載的基礎。

3. “Bigtable: A Distributed Storage System for Structured Data” (2006)

摘要： Bigtable 是 Google 用於大規模管理結構化資料的分散式儲存系統。它提供稀疏、分散、持久化的多維排序映射，可擴展到跨數千台機器的 PB 級規模。

核心概念： Column-family 儲存模型、Tablet Server、分散式鎖服務（Chubby）、Bloom filter、Compaction 策略、SSTable 檔案格式。

為什麼要讀： Bigtable 的架構影響了 Kubernetes 上的現代有狀態應用。理解它如何處理資料分佈、複寫與一致性，有助於你以 StatefulSet 運行資料庫，或管理 etcd（儲存 Kubernetes 叢集狀態）。

4. “The Chubby Lock Service for Loosely-Coupled Distributed Systems” (2006)

摘要： Chubby 是 Google 的分散式鎖服務，提供粗粒度鎖與少量資料的可靠儲存。它的設計目標是在可靠且高可用的前提下提供分散式共識。

核心概念： 透過 Paxos 的分散式共識（consensus）、鎖服務與共識函式庫的取捨、建議性鎖（advisory locks）、事件通知、Leader-election。

為什麼要讀： Kubernetes 使用 etcd（基於 Raft，與 Paxos 類似）來做協調與共識。理解 Chubby 的設計決策，有助於你看懂 Kubernetes 如何實作 Leader election、服務發現與分散式設定管理。

5. “Large-scale cluster management at Google with Borg” (2015)

摘要： 這篇是 Borg 的權威論文。Borg 是 Google 的叢集管理系統，可在多個叢集上運行數十萬個工作。Borg 是 Kubernetes 的前身，兩者共享許多架構概念。

核心概念： Job/Task 模型、Borgmaster 與 Borglet 架構、資源分配（CPU、記憶體）、優先級與配額系統、bin packing、任務搶占、命名與服務發現。

為什麼要讀： 這是所有 Kubernetes 相關工作者的必讀。你會在 Pod、ReplicaSet、Namespace 與控制平面架構等概念上看見直接脈絡。理解 Borg 的經驗教訓（成功與遺憾）能為 Kubernetes 的設計決策提供極重要的脈絡。

6. “Borg, Omega, and Kubernetes” (2016)

摘要： 這篇論文追溯了 Borg 到 Omega（實驗性叢集排程器）再到 Kubernetes 的演進，並說明學到的教訓如何影響 Kubernetes 的開源設計。

核心概念： 以容器為中心的基礎設施、宣告式設定、調和（reconciliation）迴圈、共享狀態架構演進、API 驅動設計、重視生態系勝於單體。

為什麼要讀： 這篇文章連結了 Google 內部系統與你今天使用的開源 Kubernetes。它解釋 Kubernetes 為何如此運作，並幫助你理解其設計選擇背後的理念，讓你成為更有效率的操作者。

7. “Site Reliability Engineering” Book - Chapters 1-6 (2016)

摘要： Google SRE 一書的前幾章建立了 SRE 的核心原則：把維運當成軟體問題、承擔風險、定義 SLI/SLO/SLA，以及消除 toil（重複且低價值工作）。

核心概念： SRE 與 DevOps、容錯預算（Error Budget）、服務水準指標/目標/協議（SLI/SLO/SLA）、toil 的定義與消除、監控與告警哲學。

為什麼要讀： 維運 Kubernetes 叢集需要卓越的營運能力。這些章節教你用可量化的方式思考可靠性，對於為 Kubernetes 工作負載與平台本身建立監控、告警與 SLO 至關重要。

8. “Omega: flexible, scalable schedulers for large compute clusters” (2013)

摘要： Omega 是 Google 在 Borg 之後的下一代排程器設計。它採用共享狀態與樂觀併發控制，允許多個排程器並行運作。

核心概念： 共享狀態排程、優化併發控制、平行排程器、資源分配彈性、任務調度的可擴充性。

為什麼要讀： 雖然 Kubernetes 沒有完整實作 Omega 的架構，但理解這段演進能幫助你欣賞 Kubernetes 排程器的彈性與擴充機制。若你要實作自訂排程器或 scheduler extender，特別有用。

9. “Autopilot: workload autoscaling at Google” (2020)

摘要： Autopilot 描述 Google 自動調整工作負載資源 request/limit 的系統。它透過機器學習與垂直 Pod 自動擴縮（VPA）來最佳化資源使用率。

核心概念： 垂直 Pod 自動擴縮（VPA）、推薦系統、資源最佳化、記憶體與 CPU 的資源適配（rightsizing）、防止擾動的安全機制。

為什麼要讀： 資源管理是 Kubernetes 最難的維運挑戰之一。這篇論文展示 Google 如何解決資源過度配置與配置不足的問題，並直接對應到今天 Kubernetes 的 VPA 與相關自動擴縮功能。

10. “The Tail at Scale” (2013)

摘要： 這篇論文探討服務時間的變異（尾端延遲）在規模下如何成為重大問題，並提出降低延遲波動、提升整體反應速度的技術。

核心概念： 尾端延遲放大、對沖請求（hedged requests）、綁定請求（tied requests）、金絲雀請求（canary requests）、延遲觸發的觀察期（probation）、同步性擾動（synchronized disruption）。

為什麼要讀： 在 Kubernetes 上運行微服務時，尾端延遲足以毀掉使用者體驗。這篇論文教你設計更具韌性的服務網格、設定合理的逾時與重試策略，並理解分散式系統在負載下的行為 — 這些都是 SRE 工作的關鍵。

閱讀順序推薦

可以先從 Borg 論文（#5）與「Borg, Omega, and Kubernetes」（#6）開始，建立 Kubernetes 的來龍去脈。接著深入基礎設施論文（GFS、Bigtable、Chubby），理解儲存與協調的底層基礎。最後再讀 SRE 與營運相關的論文，學習如何在規模下可靠地運行這些系統。

每篇論文都代表著大規模生產環境累積多年的經驗。這些閱讀中的模式、反模式與取捨，能讓你避免重蹈大型企業的錯誤，也能把他們的成功經驗帶進你的 Kubernetes 與分散式系統工作中。