当应用扩展到分布式系统时，领域驱动设计（DDD）中的仓储查询模式会遇到多个新的挑战，这些挑战不仅影响系统的性能和可伸缩性，还可能对系统的一致性和可靠性产生重大影响。下面详细探讨这些挑战及其对系统设计的影响。

1. 数据一致性：在分布式系统中，数据可能存储在不同节点或者不同的数据存储中，这就导致了数据一致性的挑战。例如，在分布式数据库中，一个事务可能需要跨越多个数据库实例，如果其中一个操作失败，可能会导致数据处于不一致状态。为了保证一致性，可以采用分布式事务或者最终一致性策略。例如，使用两阶段提交协议（2PC）或基于消息队列的补偿事务。

2. 查询性能：分布式系统中，数据查询可能会涉及网络通信，这可能会显著增加查询的延迟。此外，由于数据分散存储，某些查询可能需要从多个数据源获取数据，然后在应用层合并结果，这会进一步增加复杂性和延迟。针对这一问题，可以使用缓存来提高查询性能，例如使用Redis缓存频繁访问的数据；或者采用分片技术，将数据合理地分布在多个节点上，减少单个查询需要跨节点通信的次数。

3. 数据冗余与复制：为了提高系统的可用性和读取性能，通常会在分布式系统中复制数据。这虽然解决了单点故障问题，但同时也带来了数据一致性维护和存储成本增加的问题。设计时需要平衡冗余数据的数量和系统的整体性能，选择合适的复制策略，如主-从复制、多主复制等，同时设置合理的数据过期策略。

4. 安全性：分布式系统中，数据的安全性变得更加复杂，因为攻击面增加。例如，数据在网络传输时可能被拦截，或者在不同的存储节点上被未授权访问。为了保证数据安全，可以采用数据加密、访问控制等手段，确保数据在传输和存储过程中都是安全的。

5. 事务管理：在分布式环境中，事务管理变得更加复杂。传统的ACID事务在分布式场景下可能不再适用，取而代之的是BASE（基本可用、软状态、最终一致性）模型。设计时需要根据业务需求选择合适的事务模型，对于要求强一致性的业务场景，可以使用分布式事务管理器；对于可以接受最终一致性的场景，采用更轻量级的一致性策略。

综上所述，当应用扩展到分布式系统时，领域驱动设计中的仓储查询模式需要考虑数据一致性、查询性能、数据冗余与复制、安全性和事务管理等多个方面的挑战。合理的设计和恰当的技术选择是应对这些挑战的关键。