Akka DData分布式数据缓存

  Ddata用于在节点间共享数据，我们知道一说到共享麻烦事儿就来了，特别是集群情况下，因为它意味着并行/并发的读和写、不知道什么时候、不知道在什么地方随机发生读或者写。传统RDB数据库解决这个问题的方式可以说是牺牲了一部分性能的：数据库是单点（分布式存储也需要这么一个单点即主节点），数据访问方法都是同步的，这期间包含两种IO：网络和磁盘的，如果是事务还可能有多次磁盘IO、如果是分布式事务那可能有多次网络/磁盘IO...

  ddata使用键值形式存储和访问数据（所以数据可看做data entry）、值即所谓的Conflict Free Replicated Data Types(CRDT)，CRDT的作用是允许在任意节点更新数据，而不需要和外部协调，我们说了大数据首先就得干掉分布式事务，分布式事务就是需要外部协调的典型，要提高效率，每个节点首先需要是自恰自驱的、差异只要能够merge即可，求同存异、埋头苦干就是效率最高的。CRDT数据结构保障自动merge更新，这些数据结构包括：counters, sets, maps and registers.

  ddata分布式数据和Amazon Dynamo的相似点比较多，目前看CRDT由于需要支持数据merge带来额外负担是肯定的，所以ddata可以用于集群状态同步、但不适用大数据量高并发业务数据。Akka的集群就用ddata同步成员状态，The cluster membership state is a specialized CRDT, which means that it has a monotonic merge function. When concurrent changes occur on different nodes the updates can always be merged and converge to the same end result.

All data entries are spread to all nodes

  和其他Akka组件如分片套路类似，ddata本身也是基于actor来使用的：你可以用akka.cluster.ddata.Replicator复制器actor访问ddata数据、每台节点机都需要启动这个actor我们把它叫做replica、各个节点机上的replica组成一个分布式数据复制层（类似分片的分布式分片管理层）、你的程序在哪个节点机上就和那个节点机上的replica打交道；所有replica都是一样的名字、一样的path.  拿到本机replica actorRef有个便利方法：

    val replicator = DistributedData(context.system).replicator

  写和读数据就是给replicas！Update消息，CRDT是基于gossip收敛的，默认一致性保障是保证最终一致性，最终一致的系统，可能读到过期值：a read may return an out-of-date value.  注意只是可能，这还要取决于一致性级别：类似卡珊德拉，Akka分布式数据对每条读写都可以指定一致性级别（代码示例）：

1、WriteLocal写本地：写入本地replica、写方法立即返回、之后disseminated with gossip；

2、WriteTo(n)写n个：写入值需要写到至少n个replicas去包括本地replica；

3、WriteMajority写多数：写入值需要写到占集群多数个的replicas去，比如：N/2 + 1个，N是集群节点机数量。可以为WriteMajority和ReadMajority定义最少节点数minCap，这样可以减少读到陈旧数据的风险，minCap定义了多数值Majority，最低是N / 2 + 1.

  对于小集群来说(节点机<7)，成员变动可能很容易影响多数值Majority.   此时minCap更有意义。

4、WriteAll写全部：实时的、同步的、强一致写，集群所有节点全写完、才算写完，此时是CP系统；

  读一样有上述一致性指定。在你本地，你所做的所有写以及读写之间都是有序的、有保障的。写是否成功是通过消息告知你的：Replicator.UpdateSuccess/UpdateFailure，这是异步的，我们知道凡是异步消息其ack需要采用类似correlationID形式做到：In the Update message you can pass an optional request context, which the Replicator does not care about, but is included in the reply messages. This is a convenient way to pass contextual information (e.g. original sender) without having to use ask or maintain local correlation data structures.

  读的结果数据也是通过消息给到你，读写能够在指定timeout内按照指定一致性级别完成则返回成功消息。

续