【分布式】分布式理论基础

分布式理论基础

分布式架构演进

• 阶段一：单应用架构，应用服务器和数据库部署在同一个服务器上

• 阶段二：应用服务器和数据库服务器分离

• 阶段三：将应用服务器进行集群，但是存在session一致的问题

• 阶段四：在应用服务器和客户端之间进行负载

• 阶段五：将数据进行读写分离，缓解数据库读写压力

• 阶段六：添加搜索引擎缓存，缓解读库的压力

• 阶段七：添加缓存机制缓解数据库的压力

• 阶段八：数据库水平拆分，垂直拆分

• 阶段九：将应用进行拆分

• 阶段十：按照业务把应用进行服务化

分布式系统面临的问题

1. 通信异常

   网络因为其本身的不可靠性，再加之网络波动造成的延时问题，在收发消息的时候容易造成消息的丢失和延迟，导致响应超时等常见故障。

2. 网络分区

   系统内存因为存在网络连接通信，但因其是分布式环境，在分布式事务的处理上，因其内部网络分区导致的小集群，可能会完成一系列事务处理动作，导致对事务的一致性都是巨大的挑战和压力。

3. 节点故障

   没有完美的机器，也没有完美的高可用，任何故障都有可能发生，在分布式系统中，服务器节点的故障或者"僵死"都有可能发生，且一定会发生，只是概率问题。

4. 三态

   分布式系统每一次请求和其响应之间都存在对应的关系，称为三态：即成功，失败，超时。

超时：

1. 由于网络原因，该请求并没有被成功的发送到接收方，而是在发送过程就发生了丢失现象。

2. 该请求成功的被接收方接收后，并进行了处理，但在响应反馈给发送方过程中，发生了消息丢失现象。

分布式理论：CAP定理

CAP 理论含义是，一个分布式系统不可能同时满足一致性（C:Consistency)，可用性（A: Availability）和分区容错性(P：Partition tolerance)这三个基本需求，最多只能同时满足其中的2个。

C 一致性

分布式系统当中的一致性指的是所有节点的数据一致，或者说是所有副本的数据一致

A 可用性

Reads and writes always succeed. 也就是说系统一直可用，而且服务一直保持正常

P 分区容错性

系统在遇到一些节点或者网络分区故障的时候，仍然能够提供满足一致性和可用性的服务

• C - Consistency

一致性是值写操作后读操作可以读到最新的数据状态,当数据分布在多个节点上时,从任意节点读取到的数据都是最新的。

商品信息读写要满足一致性需要实现如下目标:

1.商品服务写入主数据库成功, 则想从数据库查询数据也成功

2.商品服务写入主数据库失败,则向从数据库查询也失败

如何实现一致性?

1.写入主数据库后要数据同步到从数据库

2.写入主数据库后,在向从数据库同步期间要将从数据库锁定, 等待同步完成后在释放锁,以免在写新数据后,向从数据库查询到旧的数据.

分布式一致性的特点:

1.由于存在数据库同步过程,写操作的响应会有一定的延迟

2.为了保定数据的一致性,对资源暂时锁定,待数据同步完成后释放锁定资源

3.如果请求数据同步失败的节点则会返回错误信息, 一定不会返回旧数据.

• A - Availability

可用性是指任何操作都可以得到响应的结果,且不会出现响应超时或响应错误。

商品信息读写要满足可用性需要实现如下目标:

1.从数据库接收到数据库查询的请求则立即能够响应数据查询结果

2.从数据库不允许出现响应超时或错误

如何实现可用性?

1.写入主数据库后要将数据同步到从数据

2.由于要保证数据库的可用性,不可以将数据库中资源锁定

3.即使数据还没有同步过来,从数据库也要返回查询数据, 哪怕是旧数据,但不能返回错误和超时。

• P - Partition tolerance

分布式系统的各个节点部署在不同的子网中, 不可避免的会出现由于网络问题导致节点之间通信失败,此时仍可以对

外提供服务, 这个就是分区容错性 (分区容忍性).

商品信息读写要满足分区容错性需要实现如下目标:

1.主数据库想从数据库同步数据失败不形象写操作

2.其中一个节点挂掉不会影响另一个节点对外提供服务

如何实现分区容错性?

1.尽量使用异步取代同步操作,举例 使用异步方式将数据从主数据库同步到从数据库, 这样节点之间能有效的实现松耦合;

2.添加数据库节点,其中一个从节点挂掉,由其他从节点提供服务

分布式理论：BASE理论

BASE：全称：Basically Available(基本可用)，Sox state（软状态）,和 Eventually consistent（最终一致性）三个短语的缩写，来自 ebay 的架构师提出。

BASE是对CAP中一致性和可用性权衡的结果，BASE理论的核心思想是：即使无法做到强一致性，但每个应用都可以根据自身业务特点，采用适当的方式来使系统达到最终一致性。

①Basically Available(基本可用)

基本可用是指分布式系统在出现不可预知故障的时候，允许损失部分可用性——但请注意，这绝不等价于系统不可用。以下就是两个"基本可用"的例子

响应时间上的损失：正常情况下，一个在线搜索引擎需要在0.5秒之内返回给用户相应的查询结果，但由于出现故障（比如系统部分机房发生断电或断网故障），查询结果的响应时间增加到了1~2秒。

功能上的损失：正常情况下，在一个电子商务网站（比如淘宝）上购物，消费者几乎能够顺利地完成每一笔订单。但在一些节日大促购物高峰的时候（比如双十一、双十二），由于消费者的购物行为激增，为了保护系统的稳定性（或者保证一致性），部分消费者可能会被引导到一个降级页面。

②Sox state（软状态）

什么是软状态呢？相对于一致性，要求多个节点的数据副本都是一致的，这是一种 “硬状态”。

软状态指的是：允许系统中的数据存在中间状态，并认为该状态不影响系统的整体可用性，即允许系统在多个不同节点的数据副本之间进行数据同步的过程中存在延迟。

③Eventually consistent（最终一致性）

最终一致性强调的是系统中所有的数据副本，在经过一段时间的同步后，最终能够达到一个一致的状态。因此最终一致性的本质是需要系统保证最终数据能够达到一致，而不需要实时保证系统数据的强一致性。

写在最后：内容来源拉勾教育高薪训练营，整合个人总结内容持续输出！

天空不留下鸟儿的痕迹，但我已飞过！-- 泰戈尔