Distributed 认识分布式
分布式
一言以蔽之，分布式服务是为了解决单一服务遇到的问题而产生的，如服务器性能瓶颈、服务器容量、服务器容灾机制等等。
分布式是目前主流推崇的一种架构方案，但是设计难度比较大。
一般来说，分布式实现有2种形式：
- 水平扩展：各个机器的属性、数据、处理等逻辑完全相同，各自分担压力达到负载均衡的目的，用户可以访问任意一个节点完成操作
- 垂直拆分：将服务细分，将一个大的服务拆成2个小的服务分别部署在不同的机器上，如服务1负责浏览商品，服务2负责支付处理
在分布式的前提下，衍生了2种概念，其实说白了都是一家人，只是分工不同罢了：
- 集群：提供高可用服务、提供负载均衡、提高容灾等级
- 微服务：提供可扩展性、实现低耦合、高内聚、提高可移植性等
后面还会对微服务做出更详细的探究，关于集群在数据库系列章节中相信你已经有所了解，不再对名词作一一赘述。
设计思路
分布式系统一般有两种设计思路，分别为中心化和去中心化。
其中最具有代表性的设计案例就是k8s和zookeeper。
中心化设计
k8s是中心化设计的代表，由Master指定Worker进行工作，这样做有一个好处，当Worker出现问题时直接换一个Worker进行顶替操作，并将有问题的Worker踢出即可：
但是这样做也带来一个坏处，整个分布式系统中极其依赖Master，一旦Master宕掉之后整个系统全面崩盘。
不过，你可以在条件允许的情况下对Master进行热备操作，由2个Master来领导整个集群，提供高可用性。
去中心化设计
在去中心化设计中，所有分布式系统成员众生平等，没有天生的leader，只有天生的woker，所有的leader都是通过公平选举而产生的。
去中心化的设计并非是不要中心，而是由节点来自由的选择中心。
去中心化最大的问题在于脑裂，比如Elasticsearch中的cluster就是去中心化的设计，而脑裂问题则在于如果经历一些网络波动，可能将原本的单个集群拆分成多个集群，当网络恢复正常后由于这2个集群之前都在故障期间各自进行工作，尝试合并时可能发生严重的数据冲突问题。
此时的解决方式一定要按照实际情况来做决定，这是一个十分令人头疼的问题。
而在另外的一些场景中，脑裂问题的解决方式一般是删除小的集群，全部听大集群的，而上图中这样的做法显然不合理。
CAP定理
在2000年的时候，加州大学柏克莱分校的计算机科学家埃里克·布鲁尔在2000年的分布式计算原理研讨会（PODC）上提出一个猜想，名为CAP猜想。
他认为，对于一个分布式计算系统来说，不可能同时满足以下三点：
- 一致性 C：在分布式环境中，一致性是指数据在多个副本之间是否能够保持一致的特性，等同于所有节点访问同一份最新的数据副本。在一致性的需求下，当一个系统在数据一致的状态下执行更新操作后，应该保证系统的数据仍然处于一致的状态。
- 可用性 A：每次请求都能获取到正确的响应，但是不保证获取的数据为最新数据。
- 分区容错性 P：分布式系统在遇到任何网络分区故障的时候，仍然需要能够保证对外提供满足一致性和可用性的服务，除非是整个网络环境都发生了故障。
一个分布式系统最多只能同时满足一致性（Consistency）、可用性（Availability）和分区容错性（Partition tolerance）这三项中的两项。
在这三个基本需求中，最多只能同时满足其中的两项，P是必须的，因此只能在CP和AP中选择，zookeeper 保证的是CP，对比spring cloud系统中的注册中心 eruka实现的是 AP。
在2005年时，CAP猜想被证实，从此称为大名鼎鼎的CAP定理。
感兴趣的可以Google搜索一下这相关的实验，确实是这样的，但我也没有仔细的进行研究。
BASE理论
BASE理论由eBay架构师Dan Pritchett提出，在2008年上被分表为论文，并且eBay给出了他们在实践中总结的基于BASE理论的一套新的分布式事务解决方案。
BASE 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。
- 基本可用：在分布式系统出现故障，允许损失部分可用性（服务降级、页面降级）。
- 软状态：允许分布式系统出现中间状态。而且中间状态不影响系统的可用性。这里的中间状态是指不同的 data replication（数据备份节点）之间的数据更新可以出现延时的最终一致性。
- 最终一致性：data replications 经过一段时间达到一致性。
BASE 理论是对 CAP 中的一致性和可用性进行一个权衡的结果，理论的核心思想就是：我们无法做到强一致，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。
即使无法做到强一致性，但每个应用都可以根据自身业务特点，采用适当的方式来使系统达到最终一致性。也就是牺牲数据的一致性来满足系统的高可用性，系统中一部分数据不可用或者不一致时，仍需要保持系统整体“主要可用”。
针对数据库领域，BASE思想的主要实现是对业务数据进行拆分，让不同的数据分布在不同的机器上，以提升系统的可用性，当前主要有以下两种做法：
- 按功能划分数据库
- 分片（如开源的Mycat、Amoeba等）。
由于拆分后会涉及分布式事务问题，所以eBay在该BASE论文中提到了如何用最终一致性的思路来实现高性能的分布式事务，这里不再详细研究。
