分布式学习之Quorum机制和Lease机制

Quorum 机制

感觉这个名字很难读，今晚百度了一下，其实是这样的，腐朽的西方资本主义社会在举行选举时，通常要求参与人数必须达到额定的数量，才能成为一个法定有效的选举。这个额定的人数就

是Quorum，这是原始的涵义，哈哈。

首先明确一下Quorum 机制（管理副本机制）和lease机制（管理cache机制）是不同的范畴

• 相似：Cache 机制与多副本机制的相似之处都是将一份数据保存在多个节点上。 
•  不同：Cache 机制却要简单许多,对于 cache 的数据,可以随时删除丢弃,并命中 cache 的后果仅仅是需要访问数据源读取数据;然而副本机制却不一样,副本是不能 随意丢弃的,每失去一个副本,服务质量都在下降,一旦副本数下降到一定程度,则往往服务将不 再可用。 

 write-all-read-one(读可用性较高，更新可用性差)

 分布式系统通常支持多副本，副本存放在不同节点上，读写时需要对多个副本进行操作。按照自然而然的想法，一个写操作会需要写多个副本，但是读只要读到一个副本即可。这种思路猛听起来很合理，但若真依此实现，每一次写都必须刷新所有副本，才能避免产生一致性问题，如此写操作就显得太“重”了，尤其是和读操作相比较，一头轻一头重，负载明显不平衡，更加显得不协调。而且写的respond time变长其实也会间接影响到读，因为不写好没法读嘛，最终拖慢整体性能，是不是感觉被猛击了一下，哈哈。

Quorum 机制

Quorum的原理其实是我们家喻户晓的原理：鸽笼原理：若有n+1只鸽子关在n个笼子里，那么至少有一个笼子有至少2只鸽子，记得《算法经典入门》那本书里有介绍，经常搞这玩意。记得我做过的一道算法题：http://poj.org/problem?id=2356，有兴趣可以练练手，也可以拿去坑坑面试的人哈哈。鸽笼原理在Quorum的具体应用其实就是读副本数+写副本要大于总副本数。

 

Quorum 机制的三个系统参数 N、W、R 控制了系统的可用性,也是系统对用户的服务承诺:数 据最多有 N 个副本,但数据更新成功 W 个副本即返回用户成功。对于一致性要求较高的 Quorum 系 统,系统还应该承诺任何时候不读取未成功提交的数据,即读取到的数据都是曾经在 W 个副本上成 功的数据。 

例子：N＝5，W＝3，R＝3，只要更新成功 3个副本即返回用户成功，原来的版本都为data_V1，其中我们对其中的三个副本改称data_V2,读取的时候我在5个副本中选取任意3个副本，其中必要我修改后的版本data_V2。示意图：