[zookeeper]zookeeper系列四：分布式系统的理解

分布式系统集群的特点

• 集群中所有节点维护的数据要一致
• 所有节点都可以提供相同的业务功能(不一定是在同一时刻提供)
• 集群需要保障系统的高可用，某个节点宕机不会影响服务

集群环境下如何保障数据一致性

集群环境下有两张方式可以保障数据一致性：数据复制和集中存储。

• 数据复制：先向单节点写入，再复制到其他节点，zookeeper就是这样实现的；或者多节点同时写入，但只适合多节点写入的数据不是相同数据的应用场景。

• 集中存储：借助可靠性较高的集中存储，比如NAS存储，分布式缓存(redis)等。

分布式系统之sharding

对于业务系统来说，就是业务拆分，不同的子模块单独是一个的集群，整体业务系统是个大分布式系统。

对于数据系统(比如mongodb)来说，就是数据的拆分，如下图所示的mongodb部署架构图：

图中有四个分片(shard)，每个分片是一个由若干台机器组成的副本集(replica set)，每个副本集内所有机器的数据都是一样的。从每个副本集各取出一部分数据最后才能够组成一份完整的数据。

zookeeper集群

• zookeeper集群是一种对等集群，所有节点(机器)数据都一样；
• 集群节点之间靠心跳感知彼此的存在；
• 所有写操作都在主节点，其他节点只能读，虽然也可以接收写请求，但是内部会把写操作转给主节点；
• 通过选举机制选出主节点，从而保障了主节点的高可用，这样主节点就不是固定的，万一主节点宕机还可以重新选举出主节点；
• 至少需要三个节点，而且节点个数必须是基数；
• 当一半以上的数据写入成功后，则返回写入成功，是最终一致性策略；

如下图所示的zookeeper集群架构：

client发送到follow的写请求转发给leader，由leader执行完写操作后再同步到follow。

分布式系统之CAP理论

CAP的定义

C是一致性(Consistency)、A是可用性(Availability)、P是分区容忍性(Partition tolerance)。

CAP的定义：一个分布式系统不可能同时满足一致性、可用性和分区容忍性这三个要求，只能满足其中两项。

CAP的理解

• 一致性：分布式环境下，一致性主要是指数据在多个副本之间是否保持一致；
• 可用性：是指系统提供的服务必须一直处于可用状态，对用户的请求总是能够在有限的时间内返回结果，有限的时间强调的是用户能够接受的时间；
• 分区容忍性：集群出现网络割裂时，集群还能继续提供一定的可用性和一致性，除非整个网络不可用；
• 只能满足其中两项并不是说另外一项就完全没有，而是要求没有那么严格；
• 分区容忍性是分布式系统必须有的特性，因为网络不可靠，所以只能在C和A之间权衡；

note：可用性与常说的高可用性的可用性不是一个概念，即如果服务访问不到，不属于没有可用性。

放弃CAP定理

• 放弃分区容忍性( P )：即集群如果出现网络割裂的话，整个集群无法提供可用性和一致性服务，这种情况要么集群节点无状态(没理解？？？？)，要么是把所有数据放在一个节点上，这样就失去了扩展性，也不能叫分布式系统了，所以，单机应用因为放弃了P，得到很好的CA；
• 放弃可用性(A)：放弃可用性，并不是完全没有可用性，是指允许响应超时的时间可以更长，比如报表可以运行10分钟左右，甚至在某些情况下允许超时错误；
• 放弃一致性( C )：放弃一致性是放弃数据得强一致性，而保留数据的最终一致性，即数据最终是完全一致的，但有一个时间窗口的问题，这需要根据不同的业务来定义。比如新浪微博的内容，时间窗口可以超过10分钟，而交易订单只允许几秒钟。

分布式系统之base理论

BASE是Basically Available(基本可用)、Soft State(软状态)和Eventually Consistent(最终一致性)三个短语得简写，它是对CAP中的一致性和可用性权衡的结果。

BASE的核心思想是即使无法做到强一致性，但是每个应用可以根据自身的业务特点，采取适当的方式达到最终一致性，同时获取到系统可用性。

BASE之基本可用体现在两个方面：

• 响应时间上的损失：比如有些请求1秒内给出响应，有些请求可能会在5秒内给出响应；
• 功能上的损失：例如对于电商系统来说，某些区域可能不能购买某些商品，又或者大促时，部分消费者被引流到降级页面；

BASE之弱状态：

• 也称为软状态，是指允许系统中的数据存在中间状态，并认为该状态不会影响系统的整体可用性，即允许系统在不同节点的数据副本之间存在一定的延时；例如在双11在淘宝购物时，但系统提示还是待付款；

BASE之最终一致性：

• 系统中的数据副本在经过一段时间同步后，最终能够达到一个一致的状态。