分布式知识点

分布式

  • Docker【容器化引擎服务】

  • 微服务思想【服务拆分，持续集成、持续交付、持续部署】

  • Kubernetes（k8s）【容器化部署，管理云平台中多个主机上的容器化的应用】

  • 云计算【SaaS（软件即服务） 、PaaS（平台即服务） 、IaaS（基础架构即服务）】

  • Zookeeper【分布式协调服务】

  • Dubbo、Thrift（RPC 框架）【分布式服务治理】

  • 分布式事务解决方案

  • ActiveMQ、Kafka、RabbitMQ【分布式消息通信】

  • 熔断，限流，降级机制

  • Redis【分布式缓存】

  • Mycat【数据库路由】

  • Nginx【反向代理】

  • Tomcat【Web Server 服务】

  • DevOps【自动化运维】

  • Go【并发的、带垃圾回收的、快速编译的语言】

  • 分布式业务这里列举如下：

      1. 分布式存储，如GFS
      2. 分布式计算，如MapReduce
      3. 分布式锁，如Chobby
      4. 分布式数据库，如BigTable，Spanner
      5. 分布式ML，如TensorFlow分布式
      6. 分布式MQ，如Kafka

集群（cluster）是指在多台不同的服务器中部署相同应用或服务模块，构成一个集群，通过负载均衡设备对外提供服务。

分布式（distributed）指在多台不同的服务器中部署不同的服务模块，通过远程调用协同工作，对外提供服务。

把一个大的系统拆分为多个子系统，每个子系统负责自己专注的事情，然后通过网络进行通信和协调，对用户来说，就像访问的是同一台及其一样。

随着饭店的发展，慢慢的从只有一个厨师演变为多个厨师（集群），接而演变为有洗菜工、配菜工、厨师等多个职位。

这个网站架构发展也类似。网站初期，只需要搭建一个集中式的单体应用就可以了，如果业务量有很大增长，先考虑增加机器，通过集群部署提升能力。接着，就可以考虑分布式了。

 

https://github.com/h2pl/Java-Tutorial/blob/master/md/%E5%88%86%E5%B8%83%E5%BC%8F%E6%8A%80%E6%9C%AF%E5%AE%9E%E8%B7%B5%E6%80%BB%E7%BB%93.md

 

分布式的任务：把多态机器有机的组合、连接起来，让其协同完成一件任务，可以是计算任务，也可以是存储任务。大概可以包括三大部分：

1.分布式存储任务

2.分布式计算任务

3.分布式管理系统

（Google都是开创者）分布式存储是分布式系统最难、最复杂、涉及面最广的问题，大概分为四个子方向：

1.结构化存储

2.非结构化存储

3.半结构化存储

4.In-memory存储

除了这四个子方向，还有一系列理论、算法、技术作为支撑：例如Paxos、CAP、ConsistenHash、Timing、2PC、3PC等。

 

【1.结构化存储】

典型的场景就是事务处理系统或关系型数据库。比如大家耳熟能详的MySQL。

传统的结构化存储系统强调的是

（1）结构化的数据（例如关系表）

（2）强一致性（例如：银行系统、电商系统等场景）

（3）随机访问（索引、增删改查、SQL语言）

然而，正是由于这些性质和限制，结构化存储系统的可扩展性通常不是很好，这在一定程度限制了结构化存储在大数据场景/环境下的表现。随着摩尔定律面临的瓶颈，传统的单机关系型数据库系统面临着巨大的挑战。

【2.非结构化存储】

和结构化存储不同的是，非结构化存储强调的是高可拓展性，典型的系统就是分布式文件系统。

早期的分布式文件系统只起到了网络磁盘的作用，其最大的问题就是不支持容错和错误恢复。

Google在2003年SOSP上推出的GFS（Google File System）则做出了里程碑的一步，其开源实现对应为HDFS

GFS的主要思想包括：

1.用master管理metadata

2.文件使用64MB的chunks来存储，并且在不同的server上保存多个副本

3.自动容错，自动错误恢复

Google设计gfs最初目的是为了存储海量的日志文件以及网页等文本信息，并且对其进行批量处理（例如配合MapReduce问文档建立倒排索引，计算网页PageRank等）。和结构化存储系统相比，虽然分布式文件系统的可拓展性、吞吐率都非常好，但是几乎无法支持随机访问操作，执行进行文件进行追加操作，这样的限制使得非结构化存储系统很难面对低延时、实时性较强的应用。

【3.半结构化存储】

解决非结构化存储系统随机访问性能差的问题。我们经常听到一些流行名词，如NoSQL、Key—Value Store，甚至包括对象存储，例如protobuf，thrift等等。这些都属于半结构化存储研究的领域，其中以NoSQL近几年发展势头尤为强劲。

NoSQL系统既有分布式文件系统所具有的可拓展性，又有结构化存储系统的随机访问能力（例如随机update、read操作），系统在设计时通常选择简单键值（K-V）进行存储，抛弃了传统RDBMS里复杂SQL查询以及ACID事务。这样做可以换取系统最大限度的可扩展性和灵活性。

在NoSQL里面比较有名系统包括：Google的Bigtable、Amazon的Dynamo、以及开源界大名鼎鼎的HBase、Cassandra等。通常这些NoSQL系统底层都是基于比较成熟的存储引擎，比如Bigtable就是基于LevelDB。底层数据结构采用LSM-Tree。除了LSM-Tree之外，B-Tree（B+tree）也是很成熟的存储引擎数据结构。

 

【4.In-Memory存储】

随着业务并发越来越高，存储系统对低延迟的要求也越来越高。同时由于摩尔定律及内存的价格不断下降，基于内存的存储系统也开始普及。

In-Memory顾名思义，就是将数据存储在内存中，从而获得读写的高性能。比较有名的系统包括memcached，以及Redis。

这些基于K-V键值系统的主要目的是为基于磁盘的存储系统做cache。还有一些偏向于内存计算的系统，比如可以追溯到普林斯顿KaiLee教授早期的研究工作DSM，斯坦福的RamCloud，以及最近火的基于lineage技术的tachyon项目（Spark生态系统子项目）等等。

 

【NewSQL】

 我们在介绍结构化存储时说到，单机 RDBMS 系统在可扩展性上面临着巨大的挑战，然而 NoSQL 不能很好的支持关系模型。那是不是有一种系统能兼备 RDBMS 的特性（例如：完整的 SQL 支持，ACID 事务支持），又能像 NoSQL 系统那样具有强大的可扩展能力呢？ 2012 年 Google 在 OSDI 上发表的 Spanner，以及 2013 年在 SIGMOD 发表的 F1, 让业界第一次看到了关系模型和 NoSQL 在超大规模数据中心上融合的可能性。不过由于这些系统都太过于黑科技了，没有大公司支持应该是做不出来的。比如 Spanner 里用了原子钟这样的黑科技来解决时钟同步问题，打破光速传输的限制。在这里只能对 google 表示膜拜。

 

我们在之前提到，分布式存储系统有一系列的理论、算法、技术作为支撑：例如 Paxos, CAP, Consistent Hash, Timing (时钟), 2PC, 3PC 等等。那么如何掌握好这些技术呢？以我个人的经验，掌握这些内容一定要理解其对应的上下文。什么意思呢？就是一定要去思考为什么在当下环境需要某项技术，如果没有这个技术用其它技术替代是否可行，而不是一味的陷入大量的细节之中。例如：如何掌握好 Paxos? Paxos本质上来说是一个三阶段提交，更 high level 讲是一个分布式锁。理解paxos必须一步一步从最简单的场景出发，比如从最简单的 master-backup 出发，发现不行，衍生出多数派读写，发现还是不行，再到 paxos. 之后再了解其变种，比如 fast paxos, multi-paxos. 同理为什么需要 Consistent Hash, 我们可以先思考如果用简单range partition 划分数据有什么问题。再比如学习 2pc, 3pc 这样的技术时，可以想想他们和paxos 有什么关系，能否替代 paxos。

 

作者：马超
链接：https://www.zhihu.com/question/23645117/answer/124708083
来源：知乎
著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。

 
 

posted @ 2019-02-14 20:00  Roni_i  阅读(368)  评论(0)  编辑  收藏  举报