分布式 --- Dubbo和Zookeeper

• 学习视频
• https://www.bilibili.com/video/BV1rt4y1S7Co?p=11

Zookeeper

1,分布式概述

• 早期我们使用单体架构，即所有服务部署在一台服务器的一个进程中，随着互联网的发展，逐步演进为分布式架构，多个服务分别部署在不同的机器的不同进程中。
• 

2,zookeeper概述

• zookeeper是一个开源的分布式协调服务，提供分布式数据一致性解决方案，分布式应用程序可以实现数据发布订阅，负载均衡，命名服务，集群管理分布式锁，分布队列等功能。

3，CAP原则

• CAP在分布式系统中主要指的是一致性(Consistency),可用性(Availability)和分区容错性(Partition tolerance)
  

4, 一致性协议

• 事务需要跨越多个分布式节点时，为了保证事务的ACID特性，需要选举出一个协调者来协调分布式各个节点的调度，基于这个思想衍生了多种一致性协议。

4.1 二阶段提交

• 顾名思义，二阶段提交将事务的提交过程分为两个阶段：
  
• 阶段二
  
• 缺点
  • 阻塞：执行过程中间，节点都处于阻塞状态，等待这其他节点操作成功或失败，数据库资源得不到释放
  • 单点问题：如果协调者挂掉，那直接影响整个事务的提交。特别是在过程中挂掉，其他参与者就陷入了阻塞
  • 数据一致性：在第二个阶段中，如果某些参与者因为网络抖动，没收到提交请求，而其他参与者已经提交了事务，则数据会不一致
    原文链接：https://blog.csdn.net/weixin_42530536/article/details/113383131

4.2 三阶段提交

• 3PC是2PC的改进版，实质是将2PC中提交的事务请求拆分成两步，形成了CanCommit,PreCommit,doCommit三个阶段的事务一致性协议。
  
• 阶段二和阶段三
  
  
• 相对于2PC，3PC主要解决的单点故障问题，并减少阻塞，因为一旦参与者无法及时收到来自协调者的信息之后，他会默认执行commit。而不会一直持有事务资源并处于阻塞状态。但是这种机制也会导致数据一致性问题，因为，由于网络原因，协调者发送的abort响应没有及时被参与者接收到，那么参与者在等待超时之后执行了commit操作。这样就和其他接到abort命令并执行回滚的参与者之间存在数据不一致的情况。

4.3 Paxos算法

• Paxos算法：基于消息传递且具有高度容错性的一种算法，是目前公认的解决分布式一致性问题最有效的算法。

• 解决问题：在分布式系统中，如果产生宕机或者网络异常情况，快速的正确的在集群内部对某个数据的值达成一致，并且不管发生任何异常，都不会破坏整个系统的一致性

• 重要概念:半数原则：少数服从多数

• paxos中的4个角色

  • client 产生提案者
  • proposer：提案者
  • acceptor：决策者
  • learners: 学习者
    

• Basic Pax