02-1 分布式一致性问题的产生与解决

一、背景：

• 随着业务的发展单节点服务器无法满足人们的需求，服务节点开始池化，将任务有序合理的进行分配和管理，就需要进行服务拆分。
  服务拆分分为水平拆分和垂直拆分。

服务水平拆分：

• 单节点不能满足性能需求可以采用为多节点，多个节点共同处理同一个请求。（可以理解成服务集群）

服务垂直拆分：

• 按照服务功能进行拆分，将一根复杂的功能拆分为多个单一简单的功能。（可以理解为模块化）

拆分后的系统最大的问题就是一致性：

• 模块之间保证数据，信息，状态的一致性工作

二、一致性相关理论（酸碱平衡）

2.1、ACID

2.1.1、ACID理论

• 关系型数据库天生具有处理复杂事物场景问题

A：Actomicity 原子性

• 是一个独立的操作单元，是一种要么全部是，要么全部不是的原子单位性的操作（理解为原子不可再分割）

C：Consistency 一致性

• 事务必须始终保持系统处于一致的状态，不管在任何给定的时间并发事务有多少（理解为同一个事务下所有操作结果一致）

I：Isolation 隔离性

• 隔离性表示各个事务之间不会互相影响（理解为事务之间相互独立）

D：Durability 持久性

• 持久性表示一旦一个事务成功了，那么他的改变是永久性的被记录和操作（事务成功后不会被改变）

2.1.2、一致性问题

问题：电商中下单与库存

场景：下单系统和库存操作如何保持一致性。

• 如果下单成功扣取库存失败导致超卖，如果下单不成功库存扣取成功会导致少卖

解决方案：（利用关系型数据库强一致性特性解决）

数据量比较少的情况：

• 把订单表和库存表放在同一个关系型数据库，下单和扣库存操作紧密达到一致性

数据量比较多的情况：

• 把订单表和库存表放在同一个数据库分片，下单和扣库存操作紧密达到一致性

2.1.3、注意：

• 1、交易系统提高性能可以采用向上扩展（硬件升级），是最简单有效的方式
• 2、NoSQL不适合做交易场景，主要用于数据分析，ETL，报表，数据挖掘，推荐，日志处理，调用链路跟踪操作

2.2、CAP

2.2.1、分布式CAP理论（帽子理论）

C：Consistency 一致性。

• 分布式系统中所有数据在同一时刻都是形同

A：Availbility 可用性

• 在任何模型下服务都会在有限的时间进行处理并相应

P：Partition tolerance 分区容忍性

• 有部分消息丢失，系统仍然可以继续工作

2.2.2、说明

1、任何分布式系统不能三者兼顾只能同时满足两点

2、关系型数据库具有一致性，联合分布式则需要在一致性和可用性选择

2.3、BASE

2.3.1、BASE模型

• BASE思想解决了CAP的一致性与可用性不可兼得的问题，通过牺牲强一致性获取可用性

BA：Basically Available 基本可用

S：Solft 软状态，在一段时间内部同步

E：Eventually Consistent 最终一致，数据在最终达成一致性

2.3.2、说明

• 1、软状态是实现方法，基本可用和最终一致性是目标
• 2、通过不保证强一致性，在系统处理请求过程中有短暂的不一致，系统的每一步操作都记录状态，出现异常则处理未完成的请求或回退，达到最终的一致性

2.3.3、一致性问题

问题：交易系统转账

场景：（A向B转账）

• A准备转账，从A中扣除金额，B中增加金额，转账成功（4个阶段）

解决方案：（BASE思想每个步骤添加标记）

数据小的情况：记录每个步骤状态，在异常情况系统通过获取状态继续未完成的任务

数据多的情况：采用写前日志记录每个步骤状态，在异常时系统通过log获取状态继续未完成的任务

2.4、酸碱平衡总结

解决一致性的实践经验

1、向上扩展：硬件升级提高强一致性能力

2、采用水平伸缩和分片继续使用关系型数据库强一致性

3、记录事务的软状态，当异常时自动通过状态修复异常