架构实战--以海量存储系统讲解热门话题：分布式概念

关注我，持续分享逻辑思维&管理思维； 可提供大厂面试辅导、及定制化求职/在职/管理/架构辅导；
有意找工作的同学，请参考博主的原创：《面试官心得--面试前应该如何准备》，《面试官心得--面试时如何进行自我介绍》《做好面试准备，迎接2024金三银四》。

-------------------------------------正文----------------------------------------

分布式概念是指在分布式计算环境中，一个软件系统或应用程序的功能和数据可以在多个服务器之间分散，以实现更高的可用性、灵活性和 scalability。这种方式可以使得系统的整体性能和可用性提高，同时也可以减少单个服务器的负担。

分布式概念通常包括以下几个方面：

1. 分布式存储：将数据存储在多个服务器之间，以提高数据的可用性和访问速度。
2. 分布式处理：将计算任务分散到多个服务器上，以减少单个服务器的负担和提高系统的总性能。
3. 分布式应用程序：将应用程序分散到多个服务器上，以实现更高的可用性和灵活性。
4. 分布式网络：将网络结构分散到多个服务器和网络设备之间，以提高系统的可用性和灵活性。
5. 分布式数据库：将数据库分散到多个服务器上，以提高数据的可用性和访问速度。
6. 分布式计算：将计算任务分散到多个服务器上，以减少单个服务器的负担和提高系统的总性能。
7. 分布式文件系统：将文件分散到多个服务器上，以提高文件的可用性和访问速度。

以上图为例，是比较简单的一个存储分布式引擎。

Proxy介绍

• Proxy可以分配域名，这样用户的请求可以均匀分配到任何一台Proxy上。Proxy无状态，可以无差别承担任何一个请求。
• Proxy在承担服务前，先从Master获取所有数据路由（路由的概念：存储系统由Key+Value组成，一个Key对应一个Value。Key可以认为是文件名+路径，也可以是自定义的唯一Key。Value对应的是内容。路由是指每个Key在哪个Data节点的位置信息。显然，每个Key保存对应的Data IP不大可能。一般把Key直行Hash，Hash后得到一个int，然后进行数学取模。模的大小大家可以自己取。比如模100000，意味着每个Key可以散列成一个10万以内的数字。我们保存这个数字和Data IP的对应关系即可。比如数字1-10000在Data节点1， 10000-20000在节点2……）。对于写请求，Proxy收到Key+Value,以Key散列后看数字为多少，如果数字为30005，则把这个Key+Value写发到Data节点3去服务。读请求类似，Key散列后，转发到对应Data节点去获取数据。
• Proxy同时和Master保持心跳。当路由信息有变化时，Master会通知Proxy。比如我们发现Data3节点快被写满了，决定扩容，申请了Data3.1，Data3.2两组节点，Data3.1承担30001-35000的路由数据，Data3.1承担35001-40000的路由数据。这样，Data节点可以一直扩容到10万组（如果上面的模改为1000万，则可以扩容到1000万组）。
• 对于写请求，Proxy将数据写到Data节点组的主备机，都写成功了才返回成功。而读请求，可以到任何一台机器上进行。
• 任何一个Proxy节点挂了，可以在DNS中将其剔除。用户请求将会转发到其他Proxy节点上，所以Proxy节点机器死机，对用户无影响。

Data介绍

• Data有2台，互为主备。可以互相不知道对方。每个Data节点只负责读写自己的数据。
• 当一个Key+Value写过来，Data节点按自己的组织方式写到磁盘里。下次读的时候，再从对应的磁盘里读出来。因为涉及数据案例，所以一逻辑上经比较简单，二有主备机器。任何一个Key，在主或备上都可以读出相同的数据来。
• Data要定期向Master上报心跳。让Master知道这组Data是正常的。如果哪台有异常，才好让其下线，以另一台向用户服务。所以，任意死机一台Data都不影响服务。
• Data节点有状态，但也可以任意扩容、缩容。当需要扩容时，告诉Master有新的Data节点。然后控制Master分裂路由。

Master介绍

• Master逻辑简单，只保存全量路由。这个路由数据可以以文件方式保存，一旦这个Master挂了，可以拿到这个文件快速启动另一台Master并服务。
• Master也以DNS进行服务。这样，随时可以切换到另一台Master进行服务。因此，Master也是可以死机的。

以上，就是简单的一个分布式存储系统。

亮点

• 高性能：Proxy缓存全量路由，查找路由快速、精准。能一步定位到数据在哪台Data节点；
• 扩展性：路由可以任意扩容，Data节点可以无限扩容；
• 可用性：Data有主备两台机器，任何一台挂了，也不影响继续读取和写入。同时Proxy和Master死机也不会影响系统可用性。

这里只是拿这个架构来分析、讲解分布式概念。真正的存储系统还是比较复杂。
比如写2份数据，一份成功一分失败怎么办。
比如下线一台Data节点，只有另一台节点服务，此时数据只有一份，就比较危险。
比如下线节点后，这个节点再次起来，数据与互备的可能就不一样了怎么办？

分布式概念的主要优势包括：

1. 提高系统可用性：通过将数据和应用程序分散到多个服务器上，可以在多个服务器之间进行数据和应用程序的存储和处理，从而提高系统的可用性。
2. 提高系统性能：通过将计算任务分散到多个服务器上，可以在多个服务器之间进行数据并发、加速和优化，从而提高系统的性能。
3. 减少服务器负担：通过将应用程序和数据分散到多个服务器上，可以在每个服务器上只需要一定量的计算 ressources，从而减少单个服务器的负担。
4. 提高系统灵活性：通过将应用程序和数据分散到多个服务器上，可以在多个服务器之间进行数据和应用程序的更新、升级和扩展，从而提高系统的灵活性。
5. 降低系统沟通成本：通过将数据和应用程序分散到多个服务器上，可以减少在多个服务器之间进行数据和应用程序的传输和沟通，从而降低系统的沟通成本。

然而，分布式概念也存在一些挑战，包括：

1. 复杂性增加：由于多个服务器之间进行数据和应用程序的交互，因此会增加系统的复杂性。
2. 可用性和灵活性难以确保：由于分布式系统存在多个服务器和网络设备之间的交互，因此可能会出现系统不可用或灵活性异常的情况。
3. 安全性难以保证：由于分布式系统存在多个服务器和网络设备之间的交互，因此可能会出现安全性问题或攻击。
4. 数据重复和随机访问异常：由于分布式系统存在多个服务器之间进行数据的存储和访问，因此可能会出现数据重复或随机访问异常的情况。
5. 扩展性困难：由于分布式系统存在多个服务器和网络设备之间的交互，因此可能会出现扩展性问题或兼容性问题。

对架构、技术、管理、逻辑思维有兴趣的同学，欢迎点赞&关注和博主沟通交流。持续分享逻辑、算法、管理、技术、人工智能相关的文章。

博主其它经典原创：《管理心得--工作目标应该是解决业务问题，而非感动自己》，《管理心得--如何高效进行跨部门合作》，《管理心得--员工最容易犯的错误：以错误去掩盖错误》，《技术心得--如何成为优秀的架构师》、《管理心得--如何成为优秀的架构师》、《管理心理--程序员如何选择职业赛道》。欢迎大家阅读。