为什么要写一些基本概念？
发现自己有时候学了一些技术，经常使用用，但是在学习和设计各种架构的时候，对一些技术概念理解不清晰，导致用错了。所以写本篇博客，想要记录下不同的概念，便于学习架构和理解一些技术的特性。打算经常去更新。
为什么使用分布式？
提升系统整体性能和吞吐量，尽量保证分布式系统的容错性。
分布式系统设计思路（中心化vs去中心化）
中心化：按角色分工，领导和干活的（主从节点）。
发现有人偷懒或者病危，那么就给这个节点踢出去，然后将任务分配给其他人。
中心化设计的缺陷：会出现领导安危问题。
解决领导安危问题思路：采用主备两个领导的设计方案，热备或者冷备。也可以自动切换或者手动切换。而且越来越多心系统具备自动选举切换领导的能力，提升系统可用性。
应用场景：Kubernetes 技术
去中心化：去中心化的思路不是没有领导，而是自由选择领导，由节点自由选择中心。
去中心化设计的缺陷：脑裂问题（出现了两个主机）
解决脑裂问题思路：
两个集群，出现通信不畅问题，两个集群各自单独工作，造成两个主机。解决方式就是让其自杀或者拒绝服务。
应用场景：zookeeper、nacos、eureka
分布式vs集群
分布式，是将业务拆分成多个子业务，部署在不同的机器上。
集群，是将一个业务部署在不同机器上，提高系统性能。
分布式系统的性能标准
性能、资源、可用性和可扩展性
CAP定理
- 一致性（Consistence） :所有节点访问同一份最新的数据副本 。
- 可用性（Availability）:每次请求都能获取到非错的响应——但是不保证获取的数据为最新数据。
- 分区容错性（Partition tolerance） : 分布式系统在遇到某节点或网络分区故障的时候，仍然能够对外提供满足一致性和可用性的服务。
由于我们将系统部署到多台机器上，产生了多个节点（网络分区），所以一定要保证分区容错性。所以这就决定了CAP定理中，先要满足P。
为了保证网络分区或者节点发生故障的时候，仍能保证对外提供服务。意思就是必须得保证分区容错性（P），那么我们只能在强一致性和可用性之间选择一个。那么这时候就出现了CA和CP两种架构。
CP架构保证数据一致性
举例：当前我们有两台服务器a和b，此时服务器a和服务器b的数据值value都为1。当前网络分区，随便一个客户端将服务器a的值value改为了2。现在为了保证数据一致性，将服务器b也需要改为2。但是现在有大量请求到服务器b，服务器b对于同步服务器a的请求没有处理成功，那么服务器b的value值仍为1。如果此时客户端，想要向服务器b获取value值。但是为了数据一致性，服务器b拒绝了客户端的请求，所以这意味着服务器b就不可用了，那么服务器b也就放弃了高可用。
- a = b = 1
- a = 2
- 同步失败，b =1
- 为了保证数据一致性，b拒绝提供服务。
CP架构中高可用方面的思考：
- 利用redis，将存取都放在同一个地方，并不依赖于网络数据间通信同步，所有人从同一个地方拿东西，那么就保证高可用问题。
- 利用服务限流技术，限定访问流量在服务器可接受范围内，保证我们当前需要同步的服务器接口，不会被大流量冲到崩溃，那么就保证高可用问题。
- 利用服务降级技术，如果当前我们需要同步的服务器接口，已经不可用了，那么我们提供一种备胎接口来处理同步问题，那么也保证了系统高可用问题。
- 我将服务器集群b看做一个节点，主服务器出现问题，备胎服务器可以顶上来，主从结构来解决问题。
- 我将服务器集群b看做一个节点，主服务器出现问题，我从多个备胎服务器里面选举出一台主服务器来解决问题。
AP架构保证系统高可用
举例：当前我们有两台服务器a和b，此时服务器a和服务器b的数据值value都为1。当前网络分区，随便一个客户端将服务器a的值value改为2。但是现在有大量请求到服务器b，服务器b对于同步服务器a的请求没有处理成功，那么服务器b的value值仍为1。如果此时客户端，想要向服务器b获取value值，但是为了保证系统的高可用。服务器b给客户端返回了旧的值value为1，所以这意味着服务器b牺牲了数据一致性。
- a = b =1
- a = 2
- 同步失败 b =1
- 为了保证系统高可用，b返回旧值 1
上面的一致性，指的是强一致性，而AP很难保证强一致性，所以就有人设计了弱一致性，提出了Base理论。弱一致性：不保证任意时刻所有节点数据一样，有很多不同实现。
Base理论核心思想是：既是无法做到强一致性（Strong consistency），但每个应用都可以根据自身的业务特点，采用适当的方式来使系统达到最终一致性（Eventual consistency）。
最终一致性：在一段时间后，节点间的数据会最终达到一致状态（就是不保证在任意时刻任意节点上的同一份数据都是相同的，但是随着时间的迁移，不同节点上的同一份数据总是在向趋同的方向变化）。
服务限流vs服务降级vs服务熔断
服务限流：服务限流的意识就是发现某个提供的接口，流量大，会造成其他服务接口崩溃，那么就限制该接口，同一时间内的访问接口的消费者数量。
服务降级：服务降级的意思就是从一种方式降低到另一种方式。譬如原本调用方法a，发现不通，就调用备用方法b。
服务熔断：服务熔断的意思就是多次降级，最后备用方案也不好使，只好放弃该服务。
什么是脑裂？
脑裂是指在主备切换时，由于切换不彻底或其他原因，导致客户端和Slave误以为出现两个active master，最终使得整个集群处于混乱状态。
高并发三板斧
缓存、异步、分流
参考
《大型网站技术架构》
https://www.cnblogs.com/liujiarui/p/14725113.html
网友评论