分布式系统

什么是分布式系统

• 一个系统各组件分别部署在不同服务器上，彼此通过网络通信和协调的系统。
• 表现形式： 
  • 可以指多个不同组件分布在网络上互相协作，比如电商网站
  •  
  • 也可以一个组件的多个副本组成集群，互相协作如同一个组件，比如数据存储服务中为了数据不丢失而采取多个服务备份冗余，当数据修改时也需要通信来复制数据。
  • 
• 解决单点问题，避免单点故障，然后解决性能问题。

CAP原则

在设计一个分布式项目的时候会遇到三个特性：一致性（Consistency）、可用性（Availability）、分区容错性（Partition-tolerance）

CAP定律说的是在一个分布式计算机系统中，一致性，可用性和分区容错性这三种特性无法同时得到满足，最多满足两个

• 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，仍然能够对外提供服务
  • 天然就拥有分区容错性
  • 分区容错性是分布式系统最基本的一个特性，也是必须的特性

 

• 一致性（Consistency）：更新操作成功并返回客户端完成后，所有节点在同一时间的数据完全一致。

 

• 可用性（Availability）：服务一直可用，而且是正常响应时间。（追求性能）

 

 

BASE理论

BASE（Basically Availabl、Soft state、Eventual consistency）是基于CAP理论逐步演化而来的，核心思想是即便不能达到强一致性，也可以根据应用特点采用适当的方式来达到最终一致性（Eventual consistency）的效果。

• Basically Available（基本可用）
  • 基本可用本质是一种妥协，也就是出现节点故障或者系统过载时，通过牺牲非核心功能的可用性，保障核心功能的稳定运行。
  • 实现基本可用的几个策略：
    • 流量削峰（不同地区售票时间错峰出售）：以订票系统为例，在春运期间，开始售票前后会出现海量的请求峰值，可以在不同的时间，出售不同地区的票，将访问请求错开，削弱请求峰值
    • 延迟响应，异步处理（买票排队，基于队列先收到用户买票请求，排队异步处理，延迟响应）：用户提交购票请求后，往往会在队列中排队等待处理，可能几分钟或十几分钟后，系统才开始处理，然后响应处理结果。
    • 体验降级（看到非实时的数据，采用缓存数据提供服务）：以互联网系统为例，若出现网络热点事件，产生了海量的突发流量，系统过载，大量图片因为网络超时无法显示，那么可以使用小图片代替原始图片，降低图片的清晰度和大小，提升系统处理能力。
• Soft state（软状态）
  • 原子性（硬状态）：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（若状态）：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，既允许系统在多个不同节点的数据副本存在数据延迟 

    

• Eventually consistency（最终一致性）
  • 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，应当保证所有副本保持数据一致性。从而达到了数据的最终一致性，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。