现代架构基石 ｜ 青训营笔记

无穷远
62 阅读7分钟

这是我参与「第五届青训营 」伴学笔记创作活动的第 8 天

一、本堂课重点内容：

  • 分布式概述

    • 什么是分布式
    • Why-How-What
    • 常见的分布式系统

  • 系统模型

    • 故障模型
    • 拜占庭将军问题
    • 共识和—致性
    • 时间和事件顺序

  • 理论基础

    • CAP理论
    • ACID理论
    • BASE理论

  • 分布式事务

    • 两阶段提交
    • 三阶段提交
    • MVcc

  • 共识协议

    • Quorum NWR模型
    • RAFT协议
    • Paxos协议

  • 分布式实践

    • MapReduce
    • 分布式KV

二、详细知识点介绍：

分布式概述

  • 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:

  • 1.去中心化

  • 2.低成本

  • 3.单性

  • 4.资源共享

  • 5.可靠性高

挑战:

  • 1.普遍的节点故障

  • 2.不可靠的网络

  • 3.异构的机器与硬件环境

  • 4.安全

  • 分布式存储

1.Google File System (GFS) : google分布式文件系统

2.Ceph:统一的分布式存储系统

3.Hadoop HDFS:基于GFS架构的开源分布式文件系统

4.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

1.Google Spanner: google可扩展的、全球分布式的数据库

2.TiDB:开源分布式关系型数据库

3.HBase:开源Nosql数据库

4.MongoDB:文档数据库

  • 分布式计算

1.Hadoop:基于MapReduce分布式计算框架

2.Spark:在Hadoop基础之上，使用内存来存储数据

3.YARN:分布式资源调度

系统模型

  • 故障模型

image.png

理论基础

  • CAP 理论

image.png

CAP 理论往往运用于数据库领域，同样可以适用于分布式存储方向

CA：放弃分区容错性，加强一致性和可用性，其实就是传统的单机数据库的选择

AP：放弃一致性(这里说的一致性是强一致性)，追求分区容错性和可用性，例如─些注重用户体验的系统

CP：放弃可用性，追求一致性和分区容错性，例如与钱财安全相关的系统

  • 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，即分别是原子性(Atomicity)、一致性(Consistency)、隔离性(lsolation)和持久性(Durability)

    • 原子性(A)。原子性是指事务包含的所有操作要么全部成功，要么全部失败回滚。

    • 一致性(C)。一致性是指事务必须使数据库从一个一致性状态变换到另一个一致性状态，也就是说一个事务执行之前和执行之后都必须处于一致性状态

    • 隔离性(I)。隔离性是当多个用户并发访问数据库时，数据库为每一个用户开启的事务，不能被其他事务的操作所干扰，多个并发事务之间要相互隔离

    • 持久性(D)。持久性是指一个事务一旦被提交了，那么对数据库中的数据的改变就是永久性的，即便是在数据库系统遇到故障的情况下也不会丢失提交事务的操作。

  • 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(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—种演算法。

两阶段提交需注意的问题:

1.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。

2.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。

3.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，会导致了节点之间数据不一致。
  • 三阶段提交

三阶段提交vS两阶段提交

将两阶段提交中的Prenaro阶段，拆成两部分：CanCommit和PreCommit机制

解决了两个问题:

  • 1.单点故障问题

  • 2.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，直到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。

另外一种时间戳的实现:时间戳预言机(TSO)，采用中心化的授时方式，所有协调者向中心化节点获取时钟。优点是算法简单，实现方便，但需要每个节点都与他进行交互，会产生一些网络通信的成本。TSO的授时中就需要考虑低延迟，高性能以及更好的容错性。

共识协议

  • 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

  • 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。

Log (日志)：节点之间同步的信息，以只追加写的方式进行同步，解决了数据被覆盖的问题

Term(任期号)：单调递增，每个Term内最多只有一个Leader

Committed：日志被复制到多数派节点，即可认为已经被提交

Applied：日志被应用到本地状态机:执行了log中命令，修改了内存状态

  • Paxos 协议

Paxos 算法与 RAFT 算法区别:

  1. Multi-Paxos 可以并发修改日志，而 Raft 写日志操作必须是连续的

  2. Multi-Paxos 可以随机选主，不必最新最全的节点当选 Leader

Paxos 优势：写入并发性能高，所有节点都能写入

Paxos 劣势：没有一个节点有完整的最新的数据，恢复流程复杂，需要同步历史记录

分布式实践

  • MapReduce

Mapper：将输入分解为多个Job来并行处理。彼此间几乎没有依赖关系

Shuffler：将maper结果打乱，防止数据倾斜

Reducer：对map阶段的结果进行全局汇总

  • 分布式 KV

架构:

  • 将海量结构化数据根据Key分成不同的Region，每个Region构建一个单机KV数据库，Region之间形成Raft Groups,做到强一致 容错:
  • 当Node故障时，通过Raft Learner模式进行数据修复 弹性:
  • 当出现局部Key热点或数据膨胀时，Region可以进行Split操作，分成两个子Region，反之收缩时进行Merge操作

个人总结

image.png

avatar
文章
阅读
粉丝