这是我参与「第五届青训营」伴学笔记创作活动的第 7 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、分布式事务

二阶段提交

• 定义：

  • 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

• 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

• 两个思考：

  • 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

• 针对两阶段提交的补充，将两阶段提交中的Prepare阶段，拆成两部分：CanCommit和PreCommit机制
• 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

MVCC

• MVCC：多版本并发控制的方法。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。提高并发性能的同时也解决了脏读的问题。

• 悲观锁和乐观锁

  • 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

• 版本的选取：使用物理时钟或逻辑时钟

  • 物理时钟：提供TrueTime API，有Master节点维持一个绝对时间，保证各个服务器之间时钟误差控制在ϵ内，通常ϵ<7ms。
  • 逻辑时钟：中心化授时的方式--时间戳预言机（TSO），好处是无需硬件的支持

二、共识协议

Quorum NWR模型

• 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

• 引起的并发更新问题

  • 如果允许数据被覆盖，则并发更新容易引起一致性问题

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。

三种角色

• Leader - 领导者：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：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
• 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

四种定义

• 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

状态转移

Leader选举过程

• 初始全部为Follower

• Current Term + 1

• 选举自己

• 向其它参与者发起RequestVote请求，retry直到

  • 收到多数派请求，成为Leader，并发送心跳
  • 收到其它Leader的请求，转为Follower，更新自己的Term
  • 收到部分，但未达到多数派，选举超时，随机timeout开始下一轮

Log Replication过程

新Leader产生，Leader和Follower不同步，Leader强制覆盖Followers的不同步的日志

切主：当Leader出现问题时，就需要进行重新选举

Leader发现失去Follower的响应，失去Leader身份

两个Follower之间一段时间未收到心跳，重新进行选举，选出新的Leader，此时发生了切主

Leader自杀重启，以Follower的身份加入进来

Stale读

发生Leader切换，old leader收到了读请求。如果直接响应，可能会有Stale Read

Paxos协议

Paxos算法与RAFT算法区别

Multi-Paxos 可以并发修改日志，而Raft写日志操作必须是连续的

Multi-Paxos 可以随机选主，不必最新最全的节点当选Leader

优劣势

优势：写入并发性能高，所有节点都能写

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

课后问题

分布式系统有哪些优势和挑战？

两将军问题为什么理论上永远达不成共识？

为什么TCP采用三次握手？而不是两次和四次？

为什么在4将军问题中，增加1轮协商就可以对抗拜占庭故障？

什么是最终一致性？什么是线性一致性？

CAP理论中，请举例说明可用性和一致性的矛盾？

数据库里的一致性和分布式系统中的一致性有什么区别？

两阶段提交中，什么场景需要数据库管理员介入？

三阶段提交缓和两阶段提交的哪两个问题？

什么场景适合乐观锁？什么场景适合悲观锁？

在共识协议中，为什么说允许数据被覆盖会带来数据一致性问题？

RAFT协议中，Leader写成功日志Log20但未同步给Followers后宕机，Follower重新选举后产生一条新日志Log20，这时Leader重启，整个系统发现两种不一样的Log20的记录，请问如何区分并拒掉前面的Log20？

RAFT协议中，Stale读是如何产生的？该如何解决Stale读的问题？