分布式架构了解篇

无论你是不是一名合格的码农,你都应该对分布式架构有一定的了解。在了解分布式架构之前,先来了解下集中式架构。自20世纪60年代大型主机被发明出来之后,凭借其超强的计算和IO处理能力以及在稳定性和安全性方面的卓越表现,在很长的一段时间里引领了计算机行业的发展。
伴随着大型主机的发展,集中式的计算机系统架构也称为了主流,由于依靠大型主机卓越的性能和良好的稳定性,集中式单机处理能力的优势非常明显。但是在20世界80年代后期,随着计算机网路化和微型化的发展趋势,集中式的处理模式越来越显得捉襟见肘。也是在那个时期,计算机系统经历着一场从集中式到分布式架构的变革。

集中式的特点

集中式系统是指由一台或者多台主计算机组成中心节点,数据集中存储在这个中心节点上。并且整个系统的业务处理也都集中在这个中心节点上,系统的所有功能均由其集中处理。这种系统架构最大的特点就是部署起来非常简单,基本只需要一次部署。

分布式的特点

分布式系统是一个硬件或软件组建分布在不同的网络计算机上,彼此之间紧紧通过消息传递进行通信和协调的系统。《分布式系统概念和设计》

通过上面这个概念,我们可以了解到分布式系统的几个明显的特征:分布性,对等性,并发性。

  • 分布性
    分布式系统的多台计算机节点在空间上是随意分布的,并且空间位置是随时变化的。
  • 对等性
    分布式系统的多台计算机节点之间没有主从之分,比较常见的概念是副本,指的是分布式系统会对数据和服务进行冗余处理。
  • 并发性
    在分布式系统中,并发操作时非常常见的,比如数据库资源或者分布式存储等。

分布式系统典型常见问题

通信异常

由于分布式系统的各个节点在空间上是可任意分布的,相互之间的沟通只能靠网络进行通信,而网络通信的不确定性又非常的大。在一次网络通信中,路由器、DNS、物理传输媒介等等,任何一个缓解出现问题都会导致此次网络通信失败。

网络分区(脑裂)

在网路通信出现异常的情况下,可能会出现一部分节点无法对外提供服务,只有部分节点能正常工作,这样就会出现一个小的服务集群,及时在这种情况下,也要保证对外提供的服务的正确性,挑战较大。

三态

在集中式处理模式下,一个操作要么成功,要么失败,结果非常清晰,但是在分布式环境中,由于沟通是靠网络传递信息的,在传递的过程中存在消息超时现象。所以就会出现一种不确定的状态,即为第三种状态。

分布式事务

ACID

熟悉事务操作的一定知道事务的ACID特性,下面简单介绍下A(Atomicity)、C(Consistency)、I(Isolation)、D(Durability)各自的含义。

  • 原子性(Atomicity)是指一个事务要么全部执行,要么不执行.也就是说一个事务不可能只执行了一半就停止了.比如你从取款机取钱,这个事务可以分成两个步骤:1划卡,2出钱.不可能划了卡,而钱却没出来.这两步必须同时完成.要么就不完成.
  • 一致性(Consistency)是指事务的运行并不改变数据库中数据的一致性.例如,完整性约束了a+b=10,一个事务改变了a,那么b也应该随之改变.
  • 独立性(Isolation):事务的独立性也有称作隔离性,是指两个以上的事务不会出现交错执行的状态.因为这样可能会导致数据不一致.
  • 持久性(Durability):事务的持久性是指事务执行成功以后,该事务所对数据库所作的更改便是持久的保存在数据库之中,不会无缘无故的回滚.

在标准的SQL规范中,定义了四种事务隔离级别,由低到高依次为Read uncommitted(读未提交)、Read committed(读已提交)、Repeatable read(重复读)、Serializable(序列化)。下图展示了各个级别之间的区别。


screenshot
分布式事务

分布式事务是指事务的参与者、支持事务的服务器、资源服务器以及事务管理器分别位于分布式系统的不同节点上,通常一个分布式事务中会涉及对多个数据资源或者业务系统的操作。经典的跨银行转账操作,这个操作会调用两个异地的银行服务,其中一个提供的取款服务,另外一个提供的存款服务,这两个服务本身是无状态的且相互独立的,两个服务操作共同构成了一个完整的分布式事务。由此也可以看出,由于在分布式事务中,各个子事务的执行时分布式的,因此相比较于集中式的满足ACID特性的分布式事务系统就异常复杂。

CAP原则

2000年,Eric Brewer教授在PODC的研讨会上提出了一个猜想:一致性、可用性和分区容错性三者无法在分布式系统中被同时满足,并且最多只能满足其中两个!CAP简单概括如下,下图展示了CAP猜想示意图。

  • C(一致性):所有的节点上的数据时刻保持同步
  • A(可用性):每个请求都能接受到一个响应,无论响应成功或失败
  • P(分区容错):系统应该能持续提供服务,即使系统内部有消息丢失(分区)
screenshot

高可用、数据一致是很多系统设计的目标,但是分区又是不可避免的事情, 一个分布式系统无法同时满足CAP三个特性,那么我门就来看看放弃其中一项的场景说明.

  • CA without P:如果不要求P(不允许分区),则C(强一致性)和A(可用性)是可以保证的。但其实分区不是你想不想的问题,而是始终会存在,因此CA的系统更多的是允许分区后各子系统依然保持CA。
  • CP without A:如果不要求A(可用),相当于每个请求都需要在Server之间强一致,而P(分区)会导致同步时间无限延长,如此CP也是可以保证的。很多传统的数据库分布式事务都属于这种模式。
  • AP wihtout C:要高可用并允许分区,则需放弃一致性。一旦分区发生,节点之间可能会失去联系,为了高可用,每个节点只能用本地数据提供服务,而这样会导致全局数据的不一致性。现在众多的NoSQL都属于此类。
BASE理论

eBay的架构师Dan Pritchett源于对大规模分布式系统的实践总结,在ACM上发表文章提出BASE理论,BASE理论是对CAP理论的延伸,核心思想是即使无法做到强一致性(Strong Consistency,CAP的一致性就是强一致性),但应用可以采用适合的方式达到最终一致性(Eventual Consitency)。
BASE是指基本可用(Basically Available)、软状态( Soft State)、最终一致性( Eventual Consistency)。

  • 基本可用(Basically Available)
    基本可用是指分布式系统在出现故障的时候,允许损失部分可用性,即保证核心可用。
    电商大促时,为了应对访问量激增,部分用户可能会被引导到降级页面,服务层也可能只提供降级服务。这就是损失部分可用性的体现。
  • 软状态( Soft State)
    软状态是指允许系统存在中间状态,而该中间状态不会影响系统整体可用性。分布式存储中一般一份数据至少会有三个副本,允许不同节点间副本同步的延时就是软状态的体现。mysql replication的异步复制也是一种体现。
  • 最终一致性( Eventual Consistency)
    最终一致性是指系统中的所有数据副本经过一定时间后,最终能够达到一致的状态。弱一致性和强一致性相反,最终一致性是弱一致性的一种特殊情况。

推荐阅读更多精彩内容

  • 分布式系统面临的第一个问题就是数据分布,即将数据均匀地分布到多个存储节点。另外,为了保证可靠性和可用性,需要将数据...
    olostin阅读 2,998评论 1 22
  • 此文来自于:《从Paxos到Zookeeper分布式一致性原理与实践》第一章集中式->分布式演变基础知识 1. 从...
    李文文丶阅读 146评论 0 0
  • 从各个角度总结了电商平台中的架构实践,由于时间仓促,定了个初稿,待补充完善,欢迎大家一起交流。 转载请声明出处:h...
    Maggie编程去阅读 984评论 0 9
  • 一、 设计理念 1.空间换时间 1)多级缓存,静态化 客户端页面缓存(http header中包含Expires/...
    零一间阅读 1,120评论 0 12
  • 高并发平台架构 设计理念 1. 空间换时间 多级缓存,静态化前端页面缓存(HTTP Header中包含Expire...
    AkaTBS阅读 2,178评论 0 13