镜像集群的方式

集群存储（承载）数据的方式？

镜像全量

每个服务器上的数据是一模一样的（4G）

缺点：不具备横向扩展的能力

优点;高可用

沙丁切点：

三个节点，每个节点是4G，一共是12G，

缺点是数据丢失。

 

最理想状态：结合两者

Cherry：草莓

Replication：复制，重复

单机/单点

单点故障/瓶颈

 

制造的问题：阻塞严重，一个节点出现问题，，等待确认，一旦有一个节点出现问题，整个流程就出现了阻塞。这个叫强一致性，关系型数据库在这一块做的比较好。

不见得所有都要确认，去掉强一致性，数量过半确认就行。

最关键的问题是：

彼此之间各自为证。

过半机制，可以从任何一个里边的数据，但是前提是必须得同步。这就是大数据的弱一致性

大数据集群的布置：2n+1,n代表服务器，2n+2,允许一台不布置。，也就是按照3,5,7,9的方式来部署。

脑裂：splitbrain

分区：partition

一致性：consistency

可用性：availibity

容忍性：tolerance

相互之间互斥

无主模型：

所有的集群模式采用有主模型

分区

 

 

Sentinel:高可用

Cluster：集群

Twemproxy:分布式切片