分布式|分布式理论总览 java|分布式

文章目录

- 一、集中式与分布式
- - 1.1 集中式系统
  - 1.2 分布式系统
- 二分布式理论
- - 2.1 CAP 理论
  - - 2.1.1 CAP 简介
    - 2.1.2 CAP 论证
  - 2.2 BASE 理论
  - - 2.2.1 Basically Available
    - 2.2.2 Soft State
    - 2.2.3 Eventually Consistent
- 三、分布式常见问题
- 参考文章

一、集中式与分布式 1.1 集中式系统
由一台或多台主计算机组成中心节点，数据集中存储于这个中心节点中，并且整个系统的所有业务单元都集中部署在这个中心节点上，系统的所有功能均由其集中处理
1.2 分布式系统
分布式系统是一个硬件或软件组件分布在不同的网络计算机上，彼此之间仅仅通过消息传递进行通信和协调的系统。分布式系统的各个主机之间的通信和协调主要通过网络进行，所以分布式系统中的计算机在地域空间上几乎没有任何限制。分布式系统的特点有：

分布性
分布式系统中的多台计算机之间在空间位置上可以随意分布，同时，机器的分布情况也会随时变动
对等性
分布式系统中的计算机没有主／从之分，即没有控制整个系统的主机，也没有被控制的从机，组成分布式系统的所有计算机节点都是对等的
并发性
在一个计算机网络中，程序运行过程的并发性操作是非常常见的行为。例如同一个分布式系统中的多个节点，可能会并发地操作一些共享的资源
缺乏全局时钟
在分布式系统中，很难定义两个事件究竟谁先谁后，原因就是因为分布式系统缺乏一个全局的时钟序列控制
故障总会发生
分布式系统通过网络进行通信协调，因网络本身的不可靠性，导致分布式系统发生故障的情况不可避免

如图是一个分布式系统示例，其中系统 A、系统 B 和系统 C 组成分布式系统，为了避免单点故障，系统 A 部署为集群模式，中间用 Nginx 做负载均衡。同理，为了避免 Nginx 单点故障，部署 Nginx 集群，并利用 keepalived 设置虚拟 IP 对外暴露

文章图片

二分布式理论 2.1 CAP 理论
2.1.1 CAP 简介 CAP原则又称CAP定理，指的是在一个分布式系统中，Consistency（一致性）、 Availability（可用性）、Partition tolerance（分区容错性）这三个基本需求，最多只能同时满足其中的2个

选项	描述
Consistency	指数据在多个副本之间能够保持一致的特性（严格的一致性）
Availability	指系统提供的服务必须一直处于可用的状态，每次请求都能获取到非错的响应（不保证获取的数据为最新数据）
Partition tolerance	分布式系统在遇到任何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，除非整个网络环境都发生了故障

什么是分区？
在分布式系统中，不同的节点分布在不同的子网络中，由于一些特殊的原因，这些子节点之间出现了网络不通的状态，但他们的内部子网络是正常的。从而导致了整个系统的环境被切分成了若干个孤立的区域，这就是分区

2.1.2 CAP 论证如图所示，是我们证明 CAP 的基本场景，网络中有两个节点 N1和 N2，可以简单的理解 N1和 N2 分别是两台计算机，他们之间网络可以连通，N1中有一个应用程序A，和一个数据库 V，N2 也有一个应用程序 B 和一个数据库 V。现在，A 和 B 是分布式系统的两个部分，V 是分布式系统的数据存储的两个子数据库

文章图片

在满足一致性的时候，N1 和 N2 中的数据是一样的，V0 = V0
在满足可用性的时候，用户不管是请求 N1 或者 N2，都会得到立即响应
在满足分区容错性的情况下，N1 和 N2 有任何一方宕机，或者网络不通的时候，都不会影响 N1 和 N2 彼此之间的正常运作

分布式系统正常运转时，用户向 N1 节点请求数据更新，N1 节点的数据库状态由 V0 变为 V1。分布式系统将数据进行同步操作 Modify，使得 N2节点的数据库状态也更新为 V1，此时 N2 再响应请求时，返回的是最新的数据状态 V1 的数据

文章图片

此时根据 CAP 原则，系统正常运转时的 CAP 状态为

一致性：节点 N1 和 N2 的数据库状态 V1 = V1
可用性：节点 N1 和 N2 均可对外部请求进行正常响应
分区容错性：节点 N1 和节点 N2 的网络互通

上述情景是理想状况下的分布式系统运转，在实际情况中，由于网络的不稳定性，节点 N1 和 N2 间的网络可能不通，假设我们允许这种情况的发生，即满足 P 条件，那么在这个时候，分布式系统对 CA 是如何取舍的呢？

文章图片

这里有两种选择：

满足 AP：牺牲数据一致性，保证可用性。节点 N2 将旧数据库状态 V0 的数据响应给用户
满足 CP：牺牲可用性，保证数据一致性。路由到节点 N2 的请求阻塞等待，直到网络连接恢复，数据更新操作 modify 完成之后，再给用户响应最新的数据库状态为 V1 的数据

这个过程，证明了要满足分区容错性的分布式系统，只能在一致性和可用性两者中，选择其中一个
2.2 BASE 理论
【分布式|分布式理论总览】BASE 理论是 Basically Available（基本可用），Soft State（软状态）和 Eventually Consistent（最终一致性）三个短语的缩写，其核心思想是既然无法做到强一致性（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）
2.2.1 Basically Available 假设系统，出现了不可预知的故障，但还是能用，相比较正常的系统而言：

响应时间上的损失：正常情况下的搜索引擎 0.5 秒即返回给用户结果，而基本可用的搜索引擎可以在 2 秒左右返回结果
功能上的损失：在一个电商网站上，正常情况下，用户可以顺利完成每一笔订单。但是到了大促期间，为了保护购物系统的稳定性，部分消费者可能会被引导到一个降级页面

2.2.2 Soft State 相对于原子性而言，要求多个节点的数据副本都是一致的，这是一种“硬状态”。软状态指的是：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，即允许系统在多个不同节点的数据副本存在数据延时
2.2.3 Eventually Consistent 上面说软状态，不可能一直是软状态，必须有个时间期限。在期限过后，应当保证所有副本的数据一致，从而达到数据的最终一致性。这个时间期限取决于网络延时、系统负载、数据复制方案设计等等因素
三、分布式常见问题