分布式系统架构Quorum算法和实现上的坑

原文链接： https://juejin.im/post/5d5b44ecf265da038f480ea6

一、引言（业务场景）

    先简单说说线上生产系统的一个背景，因为仅仅是文章作为案例来讲，所以弱化大量的业务背景。

简单来说，这是一套分布式系统，系统A需要将一个非常核心以及关键的数据通过网络请求，传输给另外一个系统B。

所以这里其实就考虑到了一个问题，如果系统A刚刚将核心数据传递给了系统B，结果系统B莫名其妙宕机了，岂不是会导致数据丢失？

所以在这个分布式系统的架构设计中，采取了非常经典的一个Quorum算法。

二、算法简介

    quorum值 = (系统节点数 / 2 ) + 1 

    B系统必须部署奇数台节点，A系统每次向B系统发送数据都必须给B系统中的每个节点发送一次。A系统判断本次数据发送成功与否的依据是，指定时间内，B系统中至少有quorum台节点回复了ACK。即B系统中超过半数的节点接受成功。

    该机制在很多分布式系统、中间件都有广泛的使用。

    quorum机制架构图：

三、核心代码

​
// 获取到系统B的Quorum值 (n / 2) + 1
int quorum = countQuorum();

// 从配置文件加载设置的超时时间
long timeoutThreshold = configuration.get();

// 根据当前时间计算预计的过期时间
long expireTime = currentTime() + timeoutThreshold;

// 将数据异步写入B系统
service.wirteAsyn(data);

while(true) {
    // 收到了quorum个ACK，认为写入成功
    if (countAvailableResponse() > quorum) {
        break;
    } 
    
    // 获取当前时间
    long now = currentTime();

    // 若超时，因为A系统严重依赖B系统，B系统无法响应时，A系统也必须连带停机
    if ( now > expireTime) {
        Logger.error("B系统故障，无法传输数据，系统A自动退出);
        System.exit(1);
    }

    // 若未收到quorum个ACK，且未超时，则休眠一定时间再次检查
    Thread.sleep(1000);
}

​