因为日志本身固有的特点，记录从左往右开始次序插入，也就意味着左侧的记录相较于右侧的记录“更老”,也就是说我们可以不用依赖于系统时钟，这个特点对于分布式系统来说相当重要。
日志在数据库中的应用
日志是哪些时侯出现早已无从得悉，可能是概念上来讲太简单。在数据库领域中韩志更多的是用于在系统crash的时侯同步数据以及索引等，比如MySQL中的redolog，redolog是一种基于c盘的数据结构，用于在系统死掉的时侯保证数据的正确性、完整性，也叫预写日志，比如在一个事物的执行过程中，首先会写redolog，之后才能应用实际的修改，这样当系统crash后恢复时就才能依据redolog进行重放因而恢复数据(在初始化的过程中，这个时侯不会还没有顾客端的联接)。日志也可以用于数据库主从之间的同步，由于本质上，数据库所有的操作记录都早已写入到了日志中，我们只要将日志同步到slave，并在slave重放就能否实现主从同步，这儿也可以实现好多其他须要的组件，我们可以通过订阅redolog因而领到数据库所有的变更，进而实现个性化的业务逻辑，比如审计、缓存同步等等。
日志在分布式系统中的应用
分布式系统服务本质上就是关于状态的变更，这儿可以理解为状态机，两个独立的进程(不依赖于外部环境，比如系统时钟、外部插口等)给定一致的输入将会形成一致的输出并最终保持一致的状态，而日志因为其固有的次序性并不依赖系统时钟，刚好可以拿来解决变更有序性的问题。
我们借助这个特点实现解决分布式系统中遇见的好多问题。诸如RocketMQ中的备节点linux系统日志文件deepin linux，主broker接收顾客端的恳求，并记录日志，之后实时同步到salve中，slave在本地重放，当master死掉的时侯，slave可以继续处理恳求，比如拒绝写恳求并继续处理读恳求。日志中不仅仅可以记录数据，也可以直接记录操作，比如SQL句子。
日志是解决一致性问题的关键数据结构，日志如同是操作序列，每一条记录代表一条指令，比如应用广泛的Paxos、Raft合同，都是基于日志建立上去的一致性合同。
日志在MessageQueue中的应用
日志可以很便捷的用于处理数据之间的流入流出，每一个数据源都可以形成自己的日志，这儿数据源可以来自各个方面，比如某个风波流(页面点击、缓存刷新提醒、数据库binlog变更)，我们可以将日志集中储存到一个集群中，订阅者可以依据offset来读取日志的每条记录，按照每条记录中的数据、操作应用自己的变更。
这儿的日志可以理解为消息队列，消息队列可以起到异步前馈、限流的作用。为何说前馈呢？由于对于消费者、生产者来说，两个角色的职责都很清晰，就负责生产消息、消费消息，而不用关心下游、上游是谁，不管是来数据库的变更日志、某个风波也好，对于某一方来说我根本不须要关心，我只须要关注自己感兴趣的日志以及日志中的每条记录。
我们晓得数据库的QPS是一定的，而下层应用通常可以纵向扩容，这个时侯假如到了双十一这些恳求忽然的场景，数据库会吃不消，这么我们就可以引入消息队列，将每位队数据库的操作讲到日志中，由另外一个应用专门负责消费这种日志记录并应用到数据库中，但是即使数据库挂了，当恢复的时侯也可以从先前消息的位置继续处理(RocketMQ和Kafka都支持ExactlyOnce语义)，这儿虽然生产者的速率异于消费者的速率也不会有影响，日志在这儿起到了缓冲的作用，它可以将所有的记录储存到日志中，并定时同步到slave节点，这样消息的积压能力才能得到挺好的提高，由于写日志都是有master节点处理，读恳求这儿分为两种，一种是tail-read，就是说消费速率才能跟得上写入速率的，这些读可以直接走缓存，而另一种也就是落后于写入恳求的消费者，这些可以从slave节点读取，这样通过IO隔离以及操作系统自带的一些文件策略，比如pagecache、缓存预读等，性能可以得到很大的提高。
分布式系统中可纵向扩充是一个相当重要的特点，加机器能解决的问题都不是问题。这么怎样实现一个就能实现纵向扩充的消息队列呢?如果我们有一个单机的消息队列linux文本编辑器，随着topic数量的上升，IO、CPU、带宽等就会渐渐成为困局，性能会渐渐增长，这么这儿怎样进行性能优化呢?
topic/日志分片，本质上topic写入的消息就是日志的记录，这么随着写入的数目越多，单机会渐渐的成为困局，这个时侯我们可以将单个topic分为多个子topic，并将每位topic分配到不同的机器上，通过这些方法，对于这些消息量极大的topic就可以通过加机器解决，而对于一些消息量较少的可以分到到同一台机器或不进行分区
groupcommit，比如Kafka的producer顾客端linux系统日志文件，写入消息的时侯，是先写入一个本地显存队列，之后将消息根据每位分区、节点汇总，进行批量递交，对于服务器端或则broker端，也可以借助这些方法，先写入pagecache，再定时刷盘，刷盘的方法可以依据业务决定，比如金融业务可能会采取同步刷盘的形式。
规避无用的数据拷贝
IO隔离
日志在分布式系统中饰演了很重要的角色，是理解分布式系统各个组件的关键，随着理解的深入，我们发觉好多分布式中间件都是基于日志进行完善的，比如Zookeeper、HDFS、Kafka、RocketMQ、GoogleSpanner等等，甚至于数据库，比如Redis、MySQL等等，其master-slave都是基于日志同步的方法，依赖共享的日志系统，我们可以实现好多系统:节点间数据同步、并发更新数据次序问题(一致性问题)、持久性(系统crash时才能通过其他节点继续提供服务)、分布式锁服务等等，相信渐渐的通过实践、以及大量的论文阅读过后，一定会有更深层次的理解。
