这是我参与「第五届青训营」伴学笔记创作活动的第 6 天
零、序言
本文记录和整理了本人在字节青训营中学习的一些所得所想，用于本人回顾和梳理相关知识点，也欢迎大家参考，一同学习。如果发现有问题或者错误，可以在下方留言或者私信我（＾-＾）
一、分布式概述
什么是分布式？
分布式系统定义：跨多个节点的计算机程序的集合
使用分布式系统的五大优势：去中心化、低成本、弹性、资源共享、可靠性高
分布式系统的挑战：故障、网络、环境、安全
常见的分布式系统
分布式存储：GFS、Ceph、HDFS、Zookeeper
分布式数据库：Spanner、TiDB、HBase、MangoDB
分布式计算：Hadoop、YARN、Spark
二、系统模型
故障模型
六种故障模型，从处理的难易程度分类
Byzantine failure：节点可以任意篡改发送给其他节点的数据，是最难处理的故障
Authentication detectable byzantine failure (ADB): 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：节点停止响应，持续性的故障
Fail-stop failure：错误可检测，是最容易处理的故障
故障模型举例，按照模型分类
磁盘、主板、交换机、网络分区、cpu、内存、线缆、电源等故障详细说明
拜占庭将军问题
两将军问题
定义：两支军队的将军只能派信使穿越敌方领土互相通信，以此约定进攻时间。该问题希望求解如何在两名将军派出的任何信使都可能被俘虏的情况下，就进攻时间达成共识
结论：两将军问题是被证实无解的电脑通信问题，两支军队理论上永远无法达成共识。TCP是两将军问题的一个工程解
三将军问题
两个“忠将”A和B，一个“叛徒”C，互相传递消息，消息可能丢失，也可能被篡改，当有一个将军是“叛徒”（即出现拜占庭故障）时，整个系统无法达成一致。
由于“叛徒”C的存在，将军A和将军B获得不同的信息。这样将军A获得2票进攻1票撤退的信息，将军B获得1票进攻2票撤退的信息，产生了不一致
四将军问题
将军D作为消息分发中枢，约定如果没收到消息则执行撤退
- 如果D为“叛徒”，ABC无论收到任何消息，总能达成一致
- D为“忠将”，ABC有2人将D的消息进行正确的传递，同样能保证最终决策符合大多数。
进而能够证明，当有3m+1个将军，m个“叛徒”时，可以进行m轮协商，最终达成一致
共识和一致性
不同客户端A和B看到客户端C写入，因为时机的不同，产生数据读取的偏差。引导出最终一致性的详细说明
要保证所有客户端看到相同的值，需要多节点进行“协商”，达成共识，来保证线性一致性
一致性和可用性是相互矛盾的
时间和事件顺序
1978年Leslie Lamport发表《Time, Clocks, and the Ordering of Events in a Distributed System》
定义了计算机系统中的时间和事件顺序，引入happened before和并发的定义，可以以此对分布式系统中的事件进行推导。
根据上述推导，创造了Lamport逻辑时钟的概念，这个概念在分布式理论中具有革命性的意义，帮助我们在一系列分布式事件当中梳理出逻辑的先后关系。利用逻辑时钟，我们可以对整个系统中的事件进行全序排序。
三、理论基础
CAP理论
CAP的定义
一致性、可用性、分区容错性。三者无法同时达到
CAP 中的权衡
- CA 系统：传统数据库的代表
- AP 系统：放弃强一致性，保证高可用，不少 nosql 存储系统采用
- CP 系统：放弃可用性，保证数据一致性
举例说明两个分布式进程之间同步数据，当出现故障的时候，如何选择不同的CAP系统，以及带来的影响
- CP 系统：故障发生时，为了避免读到不一致的数据，可能拒绝访问
- AP 系统：故障发生时，为了保证可用性，允许不同进程读到不同的数据
针对故障场景，可以通过故障转移的方式，做一个相对较优的解决方式：
允许一个进程作为Master，其他进程作为Backup，当故障时将请求转移给Backup进行处理
ACID理论
ACID理论是针对CA系统而言的，通常在数据库中具有广泛意义
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：原子性（Atomicity）、一致性（Consistency）、隔离性（Isolation）和持久性（Durability）
BASE理论
BASE理论是针对AP系统而言的，其来源于对大型互联网分布式实践的总结
- 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
- 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
- Eventually consistent（最终一致性）：数据最终一定能够达到一致的状态
四、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。
三个假设
协调者和参与者进行通信
预写式日志被保持在可靠的存储设备上
所有节点不会永久性损坏，即使损坏后仍然可以恢复
两阶段提交的流程
正常流程：Prepare阶段和Commit阶段
异常流程：Prepare阶段失败 -> 回滚；协调者宕机 -> 重新启用新的协调者；双故障重启 -> 数据库管理员介入
两阶段提交需解决的问题
性能问题：需要多次网络通信，资源需要等待并锁定
新协调者：如何确定状态选出新协调者
Commit阶段网络分区带来的数据不一致：非所有节点都收到Commit请求
针对两阶段提交的思考
日志被保存在「可靠」的存储设备上。如何保证这一点？
参与者Commit了，但Ack信息协调者没收到。怎么办？
三阶段提交
三阶段提交是针对两阶段提交的补充，将两阶段提交中的Prepare阶段，拆成CanCommit阶段和PreCommit阶段
- CanCommit阶段：询问是否可以执行；PreCommit阶段：重新确认是否可以
- DoCommit阶段：向所有人提交事务
