分布式理论丨青训营笔记
这是我参与「第五届青训营」笔记创作活动的第 15 天。
一、本堂课重点内容
本堂课共从概述、系统模型、理论基础、分布式事务、共识协议、分布式实践这六个方面展开对分布式理论的详细介绍，分布式系统设计需要综合考虑这些方面，以实现一个高性能、高可用、高可靠的分布式系统。本堂课的内容由浅入深，详略得当，能够很好地帮助大家全面具体地认识分布式理论。
二、详细知识点介绍
1. 概述
见分布式理论（上）丨青训营笔记 - 掘金 (juejin.cn)
2. 系统模型
见分布式理论（上）丨青训营笔记 - 掘金 (juejin.cn)
3. 理论基础
CAP理论
-
CAP的定义，分别代表一致性、可用性、分区容错性。三者无法同时达到
-
CAP诞生了三类系统：
- 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
4. 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：重新确认是否可以执行
- 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
5. 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
-
概述
- 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
6. 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
三、课后个人总结
分布式系统是由多台计算机组成的系统，它们共同协作完成某些任务。学习分布式系统理论基础，包括了分布式系统的概念和基本原理，如进程通信、进程同步、并发控制、一致性等，这些基础知识对于理解分布式系统的设计和实现非常重要。
分布式事务是指分布式系统中多个节点之间进行的事务处理，它需要保证ACID特性，即原子性、一致性、隔离性和持久性。在分布式系统中，由于各节点之间网络通信不可靠，所以实现分布式事务需要解决分布式事务的原子性和一致性问题，因此需要使用分布式事务协议，如2PC和3PC等。
共识协议是指分布式系统中各个节点之间就某个值达成一致的协议。Paxos协议是一种常用的共识协议，用于在分布式系统中达成一致性决策。Paxos协议是一种复杂的算法，但是它的基本思想可以应用于很多分布式系统中，例如分布式锁、分布式存储等。
学习分布式系统理论是非常有必要的，因为在实际工作中，我们经常需要设计和实现分布式系统。理解分布式系统理论基础可以帮助我们更好地设计和实现分布式系统，同时了解分布式事务和共识协议等内容可以帮助我们解决实际工作中遇到的问题。
