浅谈分布式一致性协议 | 青训营笔记

Rainbow_Sea
210 阅读6分钟

这是我参与「第四届青训营 」笔记创作活动的的第15天

今天是大数据专场基础班的第十五次课，主要内容是浅谈分布式一致性协议，主要分为下面四个板块。

一、 分布式系统

1. 分布式系统面临的挑战

  • 数据规模越来越大
  • 服务的可用性要求越来越高
  • 快速迭代的业务要求系统足够易用

2. 理想中的分布式系统

  • 高性能:可拓展、低时延、高吞吐
  • 正确:一致性、易于理解
  • 可靠:容错、高可用

3. 从 HDFS 开始

image.png

4. 案例- KV

  • 从最简单机KV开始
  • 接口:
    • Get(key) -> value
    • BatchPut([k1，k2,...],[v1,v2,..])
  • 第一次实现
    • RPC
    • DB Engine

image.png

小结

  • 背景:数据规模的不断增加，我们需要大规模分布式系统
  • 维度:对于一个分布式系统，希望能有哪些特征
  • 从KV入手，看看我们如何满足分布式系统的要求

二、 一致性与共识算法

1. 从复制开始

  • 既然一台机器会挂

image.png

  • 如果两个副本都能接受请求

image.png

2. 如何复制

  • 主副本定期拷贝全量数据到从副本
  • 主副本拷贝操作到从副本

image.png

3. 如何复制操作

  • 主副本把所有的操作打包成 Log
    • 所有的Log 写入都是持久化的，保存在磁盘上
  • 应用包装成状态机，只接收Log 作为Input
  • 主副本确认Log 已经成功写入到副本机器上，当状态机 apply后，返回客户端

image.png

4. 关于读操作

  • 读操作
    • 方案一:直接读状态机，要求写操作进入状态机后再返回client
    • 方案二:写操作复制完成后直接返回，读操作Block 等待所有pending log进入状态机
  • 如果不遵循上述两周方案呢?
    • 可能存在刚刚写入的值读不到的情况(在Log中)

image.png

5. 什么是一致性

  • 对于我们的KV
    • 像操作一台机器一样
      • 要读到最近写入的值
  • 一致性是─种模型(或语义)
    • 来约定一个分布式系统如何向外界(应用)提供服务
    • KV中常见的一致性模型
      • 最终一致性:读取可能暂时读不到但是总会读到
      • 线性一致性:最严格，线性执行

6. 复制协议-当失效发生

  • 当主副本失效
    • 手动切换。容错?
      • 不，我们的服务还是停了
    • 高可用?
      • 也许，取决于我们从发现到切换的过程的有多快
    • 正确?
      • 操作只从一台机器上发起
      • 所有操作返回前都已经复制到另一台机器了

7. 共识算法

  • 共识协议不等于一致性
    • 应用层面不同的一致性，都可以用共识协议来实现
      • 比如可以故意返回旧的值
    • 简单的复制协议也可以提供线性─致性
  • 一般讨论共识协议时提到的一致性，都指线性一致性
    • 因为弱─致性往往可以使用相对简单的复制算法实现

三、 从Raft 入手

1. Paxos

The Part-Time Parliamen by Lamport 1989

  • 也就是人们提到的 Paxos
  • 基本上就是一致性协议的的同义词
  • 该算法的正确性是经过证明的

2. Raft

  • 2014年发表
  • 易于理解作为算法的设计目标
    • 使用了RSM、Log、RPC的概念
    • 直接使用RPC对算法进行了描述
    • Strong Leader-based
    • 使用了随机的方法减少约束
  • 正确性
    • 形式化验证
    • 拥有大量成熟系统

3. 复制状态机(RSM)

  • RSM (replicated state machine)
    • Raft中所有的consensus都是直接使用Log作为载体
  • Commited Index
    • 一旦Raft更新Commited Index，意味着这个Index前的所有Log都可以提交给状态机了
    • Commited lndex是不持久化的，状态机也是volatile的，重启后从第一条Log开始

4. Raft 角色

image.png

5. Raft日志复制

image.png

6. Raft从节点失效

image.png

7. Raft Term

  • 每个Leader服务于一个term
  • 每个term至多只有一个 leader
  • 每个节点存储当前的term
  • 每个节点term从一开始，只增不减
  • 所有rpc的request reponse都携带term
  • 只commit 本term内的log

image.png

8. Raft主节点失效

  • Leader定期的发送AppendEntries RPCs 给其余所有节点
  • 如果Follower有一段时间没有收到Leader的 AppendEntries，则转换身份成为Candidate
  • Candidate自增自己的term，同时使用RequestVote RPCs向剩余节点请求投票
    • raft在检查是否可以投票时，会检查 log是否outdated，至少不比本身旧才会投给对应的Candidate
  • 如果多数派节点投给它，则成为该term的leader

9. Raft Leader failure

image.png

10.1 Raft安全性-同Term

  • 对于Term内的安全性
    • 目标:
      • 对于所有已经的commited 的<term, index>位置上至多只有一条 log
  • 由于Raft的多数派选举，我们可以保证在一个term中只有一个leader
    • 我们可以证明一条更严格的声明:在任何<term,index>位置上，至多只有一条log

10.2 Raft安全性–跨Term

  • 对于跨Term的安全性
    • 目标:
      • 如果一个 log 被标记commited，那这个log一定会在未来所有的leader中出现Leader completeness
  • 可以证明这个property
    • Raft选举时会检查Log 的是否outdated，只有最新的才能当选Leader
    • 选举需要多数派投票，而commited log 也已经在多数派中（必有overlap)
    • 新Leader一定持有commited log，且 Leader永远不会overwrite log

四、 实现细节以及未来

1. 案例-KV

  • 多个副本只有单个副本可以提供服务
    • 服务无法水平拓展
  • 增加更多Raft组
    • 如果操作跨Raft 组

image.png

2. 回到共识算法

  • 多节点提交(Leaderless)
    • 节点跨地域，导致节点间的RTT(Round Trip Time)很大
    • EPaxos
      • 使用了冲突图的方式来允许并行Commit
      • 不冲突的情况下1RTT提交时间

image.png

3. 共识算法的未来

  • Raft Paxos相互移植
    • Raft有很多成熟的实现
    • 研究主要关注在Paxos 上
    • 如何关联两种算法

image.png

  • 共识算法作为一个系统
    • 多数分布式系统都选择共识算法作为底座·不同一致性协议有不同的特性
    • Virtual consensus in delos
      • 对外暴露─致性的LOG作为借口·内部对于LOG可以选择不同的实现

引用参考

内容主要参考了常润清老师在「浅谈分布式一致性协议」课程里所教授的内容，同时也参考了学员手册里第一节的内容，图片来自于老师的PPT，链接如下：

  1. 【大数据专场 学习资料六】第四届字节跳动青训营 - 掘金 (juejin.cn)
  2. 浅谈分布式一致性协议 - 常润清 - ppt.pptx - 飞书文档 (feishu.cn)
avatar
文章
阅读
粉丝