高可用包括：存储高可用，计算高可用，业务高可用。
一、存储高可用
存储的高可用，主要是通过数据冗余的方式来实现高可用，复杂性主要是在如何保持数据一致性，复制延迟和网络中断都会带来数据不一致。主要考虑的就是，数据如何复制，如何应对复制延迟，如何应对复制中断，各个节点的职责是什么。
常见的存储架构：主从，主备，主主，集群，分区。
1.主备，最常见最简单的一种存储方案。
主机存储数据，通过复制通道将数据复制到备机，客户端无论读写操作 ，都发送给主机。
备机不对外提供任何读写服务。
主机故障情况下，此时整个系统处于不可用状态，不能读写数据，如果主机不能恢复（例如，机器硬盘损坏，短时间内无法恢复）， 则需要人工操作， 将备机升为主机。
优点：
对于客户端来说，不需要感知备机的存在。即使灾难恢复后，客户端无须知道是原来的备机升级为主机了 。
对于主机和备机来说 ， 双方只需要进行数据复制即可，无须考虑太复杂的数据一致性问题。
缺点：
备机仅仅只为备份，并没有提供读写操作 ，硬件成本上有浪费。
故障后需要人工干预，无法自动恢复。
综合主备复制架构的优缺点，内部的后台管理系统使用主备复制架构的情况会比较多，数据变更频率很低，即使在某些场景下丢失，也可以通过人工的方式补全。
2.主从，主机负责读写操作，从机只负责读操作，不负责写操作。
主机存储数据，通过复制通道将数据复制到从机。
正常情况下，客户端写操作发送给主机，读操作可发送给主机也可以发送给从机。
主机故障情况下，客户端无法进行写操作，但可以将读操作发送 给从机，从机继续响应读操作。如果主机不能恢复（例如，机器硬盘损坏，短时间内无法恢复）， 则需要人工操作， 将备机升为主机。
如果主从间数据复制延迟，则会出现主从读取的数据不一致的问题。
主从复制与主备复制相比，有以下不同的优缺点 ：
主从复制在主机故障时，读操作相关的业务不受影响；发挥了硬件的性能；
主从复制要比主备复制复杂更多，主要体现在客户端需要感知主从关系，并将不同的操作发给不同的机器进行处理 。
综合主从复制的优缺点 ， 一般情况下，写少读多的业务使用主从复制的存储架构比较多。例如，论坛、 BBS 、新闻网站这类业务。
主备倒换与主从倒换：
主机故障后，无法进行写操作 ，需要人工指定新的主机角色。
主备倒换和主从倒换方案就是为了解决上述问题而产生的。简单来说，这两个方案就是在原有方案的基础上增加 “倒换”功能， 即系统自动决定主机角色， 并完成角色切换 。
倒换方案的实现的要点：
主备间状态判断，状态传递的渠道（相互连接，还是第三方仲裁），状态检测的内容（进程存在，响应缓慢等）
倒换决策，什么情况下备机升级为主机，原来主机恢复后是否要再次倒换，倒换是完全自动，还是半自动需要人工确认。
数据冲突解决，原故障主机恢复后，新旧主机之间可能存在数据冲突。
3.主主复制，两台主机都存储数据，客户端将读写操作发送给任意一台主机。
主主复制架构，必须保证数据能够双向复制，对数据的设计有严格的要求，一般适合于那些临时性，可丢失，可覆盖的数据场景。例如用户的session数据，用户的行为日志数据，论坛的草稿数据等。
4.数据集群，这里主要指数据分散集群，每台服务器负责存储一部分数据，同时每台服务器会备份一部分数据。
设计集群时考虑点：
均衡性，保证服务器上的数据分区基本是均衡的。
容错性，当部分服务器故障时，将原来分配给故障服务器的数据分区分配给其他服务器。
可伸缩性，当集群容量不够，扩充新服务器后，能够自动将部分数据分区迁移至新服务器，保证扩容后的均衡性。
数据分散集群中的每台服务器都可以处理读写请求，必须有一个角色来负责执行数据分配算法，就像hadoop中的namecode。
分布式事务
数据可能分布在不同的集群节点上，由于节点间只能通过消息进行通信，因此分布式事务只能依赖消息通知，消息的不可靠性，这就带来了分布式事务的复杂性。
分布式事务算法中常见的有“二阶段提交”和“三阶段提交”
二阶段提交，“commit请求阶段”和“commit提交阶段”，（1）存在一个节点协调者，协调者向所有参与者发送询问是否可以执行提交事务；（2）参与者执行事务操作，执行成功，则将undo信息和redo信息写入日志，锁定资源返回YES不提交事务，执行失败，返回NO给协调者；（3）协调者收到响应消息都为YES时，发送COMMIT请求，如果任一参与者返回NO，则发送ROLLBACK请求，参与者执行事务操作，返回ACK消息，协调者收到反馈后确认是完成或取消事务。
实现简单，但缺点也很明显：同步阻塞，协调者和参与者互相等待响应消息，如果某个节点响应消息比较慢，则整个系统全部被拖慢，不适合高并发场景；状态不一致，某一参与者如果没有收到commit消息，会一直等待直到超时后回滚事务，其他参与者都已提交事务，导致事务状态不一致。
三阶段提交，协调者先向所有参与者发送一个询问是否可以执行事务，协调者在超时时间内收到所有yes后进入第二阶段；协调者发送准备提交请求，参与者执行事务操作，记录undo和redo事务日志，返回ACK消息；协调者收到所有ACK消息后，发送commit请求，如果没有收到全部ACK，则会发出回滚请求，参与者收到请求执行操作，如果等待超时还是会执行commit请求。
5.数据分区，指将数据按照一定的规则进行分区，不同分区分布在不同的地理位置上。
通过这种方式来规避地理级别的故障造成的巨大影响。
常见的分区复制规则：（1）集中式，备份指存在一个总的备份中心，所有的分区都将数据备份到备份中心。设计简单，分区间无交互，扩展容易，成本较高。（2）互备式，每个分区备份另外一个分区的数据，设计复杂，分区相互间互相关联和影响，扩展复杂，成本低，直接利用已有的设备。（3）独立式，每个分区自己有独立的备份中心，设计简单，扩展容易，成本高。
二、计算高可用
当部分硬件损坏时，计算任务能够继续正常运行。通过增加更多服务来达到计算高可用。
主备架构是计算高可用最简单的架构，可以细分为冷备架构和福备架构，常用温备架构 。
温备架构，备机上的业务系统己经启动，只是不对外提供服务，主机故障后，人工只需要将任务分 配器的任务请求切换为发送到备机即可。
高可用计算的集群
对称集群，集群中每个服务器的角色都是一样的，都可以执行所有任务，更通俗的叫法是负载均衡集群。
非对称集群， 集群中的 服务器分为多个不同的角色，不同的角色执行不同的任务，例如，最常见的 Master-Slave 角色。
不同角色的服务器承担不同的职责 。 以 Master-Slave 为例，部分任务是 Master 服务器才能执行，部分任务是 Slave 服务器才能执行。当指定类型的服务器故障时，需要重新分配角色。例如 ，Master 服务器故障后， 需要将剩余的 Slave 服务器中的一个重新指定为 Master服务器；Slave服务器故障，只需要剔除就可以了。
以 ZooKeeper 为例：
( 1 ）任务分配器： ZooKeeper 中不存在独立的任务分配器节点，每个 Server 都是任务分配器， Follower 收到请求后会进行判断，如果是写请求就转发给 Leader，如果是读请求就自己处理。
(2 ）角色指定： ZooKeeper 通过 ZAB 协议来选举 Leader，当 Leader 故障后，所有的 Follower 节点会暂停读写操作，开始进行选举，直到新的 Leader 选举出来后才继续对 Client 提供服务 。
三、业务高可用
业务高可用，如果保证了存储高可用和计算高可用，业务高可用的保障也已经很高了，通常来说已经可以满足大部分系统的需求了。这里再谈一下异地多活，针对极端情况的高可用方案。还有接口级故障方案，系统没有宕机网络也没问题情况下，表现为响应慢。
1.异地多活
异地就是指地理位置上不同的地方 通常指不同的机房， 类似于“不要把鸡蛋都放在同一篮子里”；
多活就是指不同地理位置上的系统都能够提供业务服务。
实现异地多活有很高的代价，具体表现为：
• 系统复杂度会发生质的变化，需要设计复杂的异地多活架构。
• 成本会上升，毕竟要多在一个或多个机房搭建独立的一套业务系统。
异地多活通常可以分为三种，同城异区，跨城异地，跨国异地。
同城异区指的是将业务部署在同一个城市不同区的多个机房 。关键在于搭建高速网络将两个机房连接起来，达到近似一个本地机房的效果。架构设计 上可以将两个机房当作本地机房来设计，无须额外考虑 。
跨城异地指的是业务部署在不同城市的多个机房，而且距离最好要远一些。跨城异地距离较远带来的网络传输延迟问题，给业务多活架构设计带来了复杂性，在数据短时间不一致的情况下，还能够正常提供业务 。架构设计的主要目的就是为了解决这个矛盾。
跨城异地肯定会导致数据不一致，如何解决这个问题呢？
重点还是在“数据”上，即根据数据的特性来做不同的架构。如果 是强一致性要求的数据，例如，银行存款余额，支付宝余额等，这类数据实际上是无法做到跨 城异地多活的 。
支付宝等金融相关的系统，对余额这类数据，不能做跨 城异地的多活架构，而只能采用同城异区这种架构 。
跨国异地指的是业务部署在不同国家的多个机房。跨国异地的距离更加远 了，因此数据同步的延时会更长，正常情况下可能就有几秒钟了。主要是面向不同地区用户提供业务，或者提供只读业务，对架构设计要求不高。
跨城异地多 活架构设计的一些技巧和步骤 ：
技巧：
（1）保证核心业务的异地多活
（2）核心数据最终一致性，数据同步是异地多活架构的设计核心 。尽量减少数据同步，只同步核心业务相关的数据，保证最终一致性，不保证实时一致性。
采用多种手段同步数据：
存储系统本身都会有同步的功能，MySQL 的主备复制、 Redis 的 Cluster 功能、 Elasticsearch 的集群功能 。
当我们只考虑存 储系统本身的同步功能时，就会发现无法做到真正的异地多活。以 MySQL 为例， MySQL5.l 版本的复制是单线程的复制，在网络抖动或大量数据 同步时 ， 经常发生延迟较长的问题，短则延迟十几秒，长则可能达到十几分钟 。
解决的方案就是拓展思路，避免只使用存储系统的同步功能，可以将多种手段配合存储系 统的同步来使用：1.消息队列方式，将数据通过消息队列同步到其他业务中心。2.二次读取方式，B 中心在读取本地数据失败时，可以根据路由规则，再去 A 中心访问一次。3.存储系统同步方式。4.回源读取方式，不同步数据，根据路由回原中心读取。5.重新生成数据方式。
步骤：
第一步：业务分级，挑选出核心的业务，只为核心业务设计异地多活，降低方案复杂度和成本。
第二步：数据分类，识别所有的数据及数据特征，数据特征会影响后面的方案设计。
数据特征分析维度：
数据量、唯一性（同类数据必须保证唯一 ，例如用户 ID）、可丢失性、可恢复性
第三步 ： 数据同步，根据不同的数据设计不同的同步方案。
第四步：异常处理，一旦出现极端异常的情况，总是会有部分数据出现异常的。出现这些问题时，系统将采 取什么措施来应对。
常见的异常处理措施有如下几类。
( 1 ）多通道同步 。采取多种方式来进行数据同步，其中某条通道故障的情况下 ，系统可以通过其他方式来进行同步。
( 2 ）同步和访问结合。访问指异地机房通过系统的接口来进行数据访问 。
( 3 ）日志记录 。用于故障恢复后对数据进行恢复。
2.接口级故障应对方案——降级、熔断、限流、排队
接口级故障的典型表现就是系统并没有宕机， 网络也没有中断， 但业务却出现问题了 。 例如，业务响应缓慢， 大量访问超时， 大量访问出现异常 （ 给用户弹出提示“无法连接数据库勺， 这类问题的主要原因在于系统压力太大， 负载太高， 导致无法快速处理业务请求， 由此引发更多的后续问题。最终用户看到的现象就是访问很慢。
导致接口级故障的原因，一般有如下几种 ：
• 内部原因 程序 bug 导致死循环， 某个接口导致数据库慢查询， 程序逻辑不完善导致耗尽内存等。
• 外部原因 黑客攻击、促销或抢购引入了超出平时几倍甚至几十倍的用户访问， 第三方系统大量请求，第三系统响应缓慢， 等等 。
解决接口级故障的核心思想和异地多活基本类似：优先保证核心业务 ， 优先保证绝大部分用户 。
（1）降级，系统将某些业务或接口的功能降低，可以是只提供部分功能，优先保证核心业务。
常见的实现降级 的方式有如下几种 ：
• 系统后门降级，系统预留了后门用于降级操作，系统提供一个降级 URL， 当访问这个URL时 ，就相当于执行降级指令。
• 独立降级系统，将降级操作独立到一个单独的系统中。
（2）熔断，降级的目的是应对系统自身的故障，而熔断的目的是应对依赖的外部系统故障的情况。
A 服务的 X 功能依赖 B 服务的某个接口，当 B 服务的接口响应很慢的时候， A 服务的 X 功能响应肯定也会被拖慢，进一步导致 A 服务的线程都被卡在 X 功能处 理上，此时 A 服务的其他功能都会被卡住或响应非常慢 。 这时就需要熔断机制了，即 A 服务不 再请求 B 服务的这个接口， A 服务内部只要发现请求 B 服务的这个接口就立即返回错误，从而 避免 A 服务整个被拖慢甚至拖死。
熔断机制实现的关键是需要有一个统一的 API 调用层，由 API 调用层来进行采样或统计， 如果接口调用散落在代码各处就没法进行统一处理了 。
另外一个关键是阔值的设计。1 分钟内 30% 的请求响应时间超过 l 秒就熔断，这个策略中的“ 1 分钟”“ 30% ”“ l 秒”都对最终的熔断效果有影响 。
（3）限流，限流则是从用户访问压力的角度来考虑如何应对故障。 限流指只允许系统能够承受的访问量进来，超出系统访问能力的请求将被丢弃。
限流一般都是系统内实现的 ，常见的限流方式可以分为两类：基于请求限流和基于资源限流。
基于请求限流指从外部访问的请求角度考虑限流，常见的方式有限制总量和限制时间量 。
基于资源限流是从系统内部考虑 的， 即找到系统内部影响性能的关键资源，对其使用上限进行限制 。 常见的内部资源有连接数、文件句柄 、 线程 数、请求队列等 。
（4）排队，排队实际上是限流的一个变种 ，限流是直接拒绝用 户 ，排队是让用户等待很长时间，
一般情况下， 排队需要用独立的系统去实现。例如，使用 Kafka 这类消息队列来缓存用户请求。
网友评论