分布式系统

如果觉得还可以 记得关注一下公众号哦！一起交流学习！

• 分布式系统是若干系统的集合

• 从进程角度来说，两个程序分别运行在两个主机的两个进程上，他们互相协作完成同一个功能们也可以称作为分布式系统！

• 微服务架构更偏向于业务，而分布式更偏向于机器！

• 分布式虽然可扩展性强，但是也带来一系列的问题：

  • 典型的Session问题，单机环境下Session通常会存储在服务器里面，多台机器情况下，会导致用户一直重复登录，当然解决的方案也有很多：比如Redis为介质存储Session,或者Session同步都可以。
  • 多台服务器，势必会产生多个服务，如果想要更改配置文件，当服务多的时候，想更改配置文件会导致修改变的尤其的繁杂；同样解决方案也很简单，例如：使用disconf、diamond、doozer、etcd、zookeeper等来搭建一个配置中心！
  • 分布式事物问题:当多台机器完成一个操作时，比如商品下单，当多个人的情况下，就会哦出现超卖的情况！使用分布式锁可以解决这个问题，当用户获取锁之后才能对库存进行修改！

• CAP:

  • C(一致性)：更新操作成功并返回客户端后，所有节点在同一时间的数据完全一致，这就是分布式的一致性

  • A(可用性):即可用性，所有的节点都保持高可用性。注意，这里的高可用还包括不能出现延迟，比如如果节点B由于等待数据同步而阻塞请求，那么节点B就不满足高可用性。也就是说，任何没有发生故障的服务必须在有限的时间内返回合理的结果集。

  • P(分区容错性)：即分区容忍性，这里的分区是指网络意义上的分区。由于网络是不可靠的，所有节点之间很可能出现无法通讯的情况，在节点不能通信时，要保证系统可以继续正常服务。

  • CAP原理说，一个数据分布式系统不可能同时满足C和A和P这3个条件。所以系统架构师在设计系统时，不要将精力浪费在如何设计能满足三者的完美分布式系统，而是应该进行取舍。由于网络的不可靠性质，大多数开源的分布式系统都会实现P，也就是分区容忍性，之后在C和A中做抉择。

  • 分析三个CAP的场景

    • 在保证C和P的情况下

      • 为了保证数据一致性，data1需要将数据复制给data2，即data1和data2需要进行通信。但是由于网络是不可靠的，我们系统有保证了分区容忍性，也就是说这个系统是可以容忍网络的不可靠的。这时候data2就不一定能及时的收到data1的数据复制消息，当有请求向data2访问number数据时，为了保证数据的一致性，data2只能阻塞等待数据真正同步完成后再返回，这时候就没办法保证高可用性了。所以，在保证C和P的情况下，是无法同时保证A的。

    • 在保证A和P的情况下

      • 为了保证高可用性，data1和data2都有在有限时间内返回。同样由于网络的不可靠，在有限时间内，data2有可能还没收到data1发来的数据更新消息，这时候返回给客户端的可能是旧的数据，和访问data1的数据是不一致的，也就是违法了C。也就是说，在保证A和P的情况下，是无法同时保证C的。

    • 在保证A和C的情况下

      • 如果要保证高可用和一致性，只有在网络情况良好且可靠的情况下才能实现。这样data1才能立即将更新消息发送给data2。但是我们都知道网络是不可靠的，是会存在丢包的情况的。所以要满足即时可靠更新，只有将data1和data2放到一个区内才可以，也就丧失了P这个保证。其实这时候整个系统也不能算是一个分布式系统了。