分布式概述 | 青训营笔记
分布式概述
什么是分布式
分布式系统是计算机程序的集合，这些程序利用跨多个独立计算节点的计算资源来实现共同的目标。可以分为分布式计算、分布式存储、分布式数据库等
优势
- 去中心化
- 低成本
- 弹性
- 资源共享
- 可靠性高
挑战
- 普遍的节点故障
- 不可靠的网络
- 异构的机器与硬件环境
- 安全
Why-How-What
使用者视角
Why
- 数据爆炸，对存储和计算有大规模运用的述求
- 成本低，构建在廉价服务器之上
How
- 分布式框架
- 成熟的分布式系统
What
- 理清规模，负载，一致性要求等
- 明确稳定性要求，制定技术方案
学习者视角
Why
- 后端开发必备技能
- 帮助理解后台服务器之间协作的机理
How
- 掌握分布式理论
- 了解一致性协议
What
- 把要点深入展开，针对难点搜索互联网资料进行查询
- 将所学知识运用于实践
常见的分布式系统
分布式存储
- Google File System (GFS): google分布式文件系统
- Ceph: 统一的分布式存储系统
- Hadoop HDFS: 基于GFS架构的开源分布式文件系统
- Zookeeper: 高可用的分布式数据管理与系统协调框架
分布式数据库
- Google Spanner: google可扩展的、全球分布式的数据库
- TiDB: 开源分布式关系型数据库
- HBase: 开源Nosql数据库
- MongoDB: 文档数据库
分布式计算
- Hadoop: 基于MapReduce分布式计算框架
- Spark: 在Hadoop基础之上，使用内存来存储数据
- YARN: 分布式资源调度
系统模型
故障模型
- Byzantine failure：节点可以任意篡改发送给其他节点的数据
- Authentication detectable byzantine failure(ADB): Byzantine failure的特例；节点可以篡改数据，但不能伪造其他节点的数据
- Performance failure：节点未在特定时间段内收到数据，即时间太早或太晚
- Omission failure：节点收到数据的时间无限晚，即收不到数据
- Crash failure：在omission failure的基础上，增加了节点停止响应的假设，也即持续性地omission failure
- Fail-stop failure：在Crash failure的基础上增加了错误可检测的假设
拜占庭将军问题
理论基础
CAP理论
ACID理论
事务是数据库系统中非常重要的概念，它是数据库管理系统执行过程中的一个逻辑单元，它能够保证一个事务中的所有操作要么全部执行，要么全都不执行
数据库事务拥有四个特性ACID，分别是原子性Atomicity、一致性Consistency、隔离性Isolation和持久性Durability
BASE理论
Base理论是对CAP中一致性和可用性权衡的结果，其来源于对大型互联网分布式实践的总结，是基于CAP定理逐步演化而来的。其核心思想是：
- Basically Available（基本可用）：假设系统出现了不可预知的故障，但还是能用，相比较正常的系统而言：响应时间上的损失或功能上的损失
- Soft state（软状态）：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存在数据延时
- Eventually consistent（最终一致性）：系统能够保证在没有其他新的更新操作的情况下，数据最终一定能够达到一致的状态，因此所有客户端对系统的数据访问最终都能够获取到最新的值
分布式事务
二阶段提交
二阶段提交（Two-phase Commit）：为了使基于分布式系统架构下的所有节点在进行事务提交时保持一致性而设计的一种演算法
二阶段提交需要注意的问题
- 性能问题：两阶段提交需要多次节点间的网络通信，耗时过大，资源需要进行锁定，徒增资源等待时间
- 协调者单点故障问题：如果事务协调者节点宕机，需要另起新的协调者，否则参与者处于中间状态无法完成事务
- 网络分区带来的数据不一致：一部分参与者收到了Commit消息，另一部分参与者没收到Commit消息，会导致节点之间数据不一致
三阶段提交
三阶段提交将两阶段提交的Prepare阶段，拆成两部分：CanCommit和PreCommit机制
解决了两个问题
- 单点故障问题
- 阻塞问题
另外引入超时机制，在等待超时之后，会继续进行事务的提交
MVCC
悲观锁：操作数据时直接把数据锁住，知道操作完成后才会释放锁；上锁期间其他人不能修改数据
乐观锁：不会上锁，只是在执行更新时判断别人是否修改数据，只有冲突时才放弃操作
MVCC是一种并发控制的方法，维持一个数据的多个版本使读写操作没有冲突。所以既不会阻塞写，也不阻塞读。MVCC为每个修改保存一个版本，和事务的时间戳相关联。可以提高并发性能，解决脏读的问题
共识协议
Quorum NWR模型
Quorum NWR三要素
- N：在分布式存储系统中，有多少份备份数据
- W：代表一次成功的更新操作要求至少有w份数据写入成功
- R：代表一次成功的读数据操作要求至少有R份数据成功读取
为了保证强一致性，需要保证W+R>N
Quorum NWR模型将CAP的选择交给用户，是一种简化版的一致性模型
RAFT协议
Raft协议是一种分布式一致性算法（共识算法），即使出现部分节点故障，网络延时等情况，也不影响各节点，进而提高系统的整体可用性。Raft是使用较为广泛的分布式协议。一定意义上讲，RAFT也使用了Quorum机制
- Leader - 领导者，通常一个系统中是一主多从。Leader负责处理所有的客户端请求，并向Follower同步请求日志，当日志同步到大多数节点上后，通知Follower提交日志
- Follower - 跟随者，不会发送任何请求。接受并持久化Leader同步的日志，在Leader告知日志可以提交后，提交日志。当Leader出现故障时，主动推荐自己为Candidate
- Candidate - 备选者，Leader选举过程中的临时角色。向其他节点发送请求投票信息。如果获得大多数选票，则晋升为Leader
