高可用架构模式——CAP
一、高可用架构模式——CAP
CAP 定理（CAP theorem）又被称作布鲁尔定理（Brewer's theorem），是加州大学伯克利分校的计算机科学家埃里克·布鲁尔（Eric Brewer）在 2000 年的 ACM PODC 上提出的一个猜想。
对于设计分布式系统的架构师来说，CAP 是必须掌握的理论。
在一个分布式系统（指互相连接并共享数据的节点的集合）中，当涉及读写操作时，只能保证一致性（Consistence）、可用性（Availability）、分区容错性（Partition Tolerance）三者中的两个，另外一个必须被牺牲。
一致性（Consistency）:A read is guaranteed to return the most recent write for a given client/对某个指定的客户端来说，读操作保证能够返回最新的写操作结果。
可用性（Availability）：A non-failing node will return a reasonable response within a reasonable amount of time (no error or timeout)/非故障的节点在合理的时间内返回合理的响应（不是错误和超时的响应）。
分区容忍性（Partition Tolerance）：The system will continue to function when network partitions occur/当出现网络分区后，系统能够继续“履行职责”。
虽然 CAP 理论定义是三个要素中只能取两个，但放到分布式环境下来思考，我们会发现必须选择 P（分区容忍）要素，因为网络本身无法做到 100% 可靠，有可能出故障，所以分区是一个必然的现象。如果我们选择了 CA 而放弃了 P，那么当发生分区现象时，为了保证 C，系统需要禁止写入，当有写入请求时，系统返回 error（例如，当前系统不允许写入），这又和 A 冲突了，因为 A 要求返回 no error 和 no timeout。
因此，分布式系统理论上不可能选择 CA 架构，只能选择 CP 或者 AP 架构。
二、FMEA
FMEA（Failure mode and effects analysis，故障模式与影响分析）
在架构设计领域，FMEA 的具体分析方法是：
- 给出初始的架构设计图。
- 假设架构中某个部件发生故障。
- 分析此故障对系统功能造成的影响。
- 根据分析结果，判断架构是否需要进行优化。
常见的 FMEA 分析表格包含下面部分。
1.功能点
注意这里的“功能点”指的是从用户角度来看的，而不是从系统各个模块功能点划分来看的。
2.故障模式
3.故障影响
常见的影响有：功能点偶尔不可用、功能点完全不可用、部分用户功能点不可用、功能点响应缓慢、功能点出错等
4.严重程度
严重程度指站在业务的角度故障的影响程度，一般分为“致命 / 高 / 中 / 低 / 无”五个档次。
严重程度 = 功能点重要程度 × 故障影响范围 × 功能点受损程度。
5.故障原因
6.故障概率
指某个具体故障原因发生的概率。一般分为“高 / 中 / 低”三档即可。
7.风险程度
8.已有措施
9.规避措施
10.解决措施
三、高可用存储架构：双机架构
对任何一个高可用存储方案，我们需要从以下几个方面去进行思考和分析：
- 数据如何复制？
- 各个节点的职责是什么？
- 如何应对复制延迟？
- 如何应对复制中断？
主备复制
内部的后台管理系统使用主备复制架构的情况会比较多。
主从复制
一般情况下，写少读多的业务使用主从复制的存储架构比较多。
双机切换
在主备切换和主从切换两种方案的基础上增加“切换”功能，即系统自动决定主机角色，并完成角色切换。
主主复制
主主复制架构对数据的设计有严格的要求，一般适合于那些临时性、可丢失、可覆盖的数据场景（主主架构因其固有的双向复杂性，很少在实际中使用）。
常见的主备切换架构有三种形式：互连式、中介式和模拟式。
中介式的缺点：中介宕机，系统进入双备状态，写操作不可用。
开源方案已经有比较成熟的中介式解决方案，例如 ZooKeeper 和 Keepalived。
ZooKeeper 本身已经实现了高可用集群架构，因此已经帮我们解决了中介本身的可靠性问题，
在工程实践中推荐基于 ZooKeeper 搭建中介式切换架构。
模拟式指主备机之间并不传递任何状态数据，而是备机模拟成一个客户端，向主机发起模拟的读写操作，根据读写操作的响应情况来判断主机的状态
四、高可用存储架构：集群和分区
数据集中集群架构中，客户端只能将数据写到主机；
数据分散集群架构中，客户端可以向任意服务器中读写数据。
正是因为这个关键的差异，决定了两种集群的应用场景不同。一般来说，数据集中集群适合数据量不大，集群机器数量不多的场景。
例如，ZooKeeper 集群，一般推荐 5 台机器左右，数据量是单台服务器就能够支撑；而数据分散集群，由于其良好的可伸缩性，适合业务数据量巨大、集群机器数量庞大的业务场景。例如，Hadoop 集群、HBase 集群，大规模的集群可以达到上百台甚至上千台服务器。
数据分区指将数据按照一定的规则进行分区，不同分区分布在不同的地理位置上，每个分区存储一部分数据，通过这种方式来规避地理级别的故障所造成的巨大影响。
常见的分区复制规则有三种：集中式、互备式和独立式。
集中式备份指存在一个总的备份中心，所有的分区都将数据备份到备份中心。
互备式备份指每个分区备份另外一个分区的数据。
独立式备份指每个分区自己有独立的备份中心。
五、高可用计算架构
主备架构又可以细分为冷备架构和温备架构。
计算高可用架构从形式上和存储高可用架构看上去几乎一样，它们的复杂度不一样。
存储高可用是有状态的，计算高可用一般解决的都是无状态问题，有状态就存在着如何保存状态、同步状态的问题了。
六、高可用业务的保障：异地多活架构
根据地理位置上的距离来划分，异地多活架构可以分为同城异区、跨城异地、跨国异地。
异地多活设计的理念可以总结为一句话：采用多种手段，保证绝大部分用户的核心业务异地多活！
