分布式概念与协议

Python微信订餐小程序课程视频

https://edu.csdn.net/course/detail/36074

Python实战量化交易理财系统

https://edu.csdn.net/course/detail/35475

分布式协议

分布式理论概念

1. 分布式数据一致性

分布式数据一致性，指的是数据在多个副本中存储时，各副本中的数据是一致的。

在分布式系统中，数据往往有多个副本。多个副本就需要保证数据的一致性。这就带来了同步的问题，因为网络延迟等因素，我们几乎没有办法保证可以同时更新所有机器中的所有数据，一定会有一刻会出现数据不一致。

那么实际应用中，我们如何既保证数据一致性，同时又不影响系统运行的性能呢？于是一致性级别的概念由此诞生。

2. 一致性级别

1. 强一致性

它要求系统写入什么，读出来的也会是什么，用户体验好，但是实现起来对系统的性能影响比较大

2. 弱一致性

这种级别，不承诺立即可以读到写入的值，也不承诺多久之后数据能够达到一致，但会尽可能的保证到某个时间节点后，数据能够达到一致状态。

3. 最终一致性

最终一致性也是弱一致性的一种，它无法保证数据更新后，所有后续的访问能看到最新数据，而是需要一个时间，这个时间之后可以保证一致。

如微信的2小时到账：

3. CAP理论

CAP定理，它指出一个分布式系统不可能同时满足以下三点：

• 一致性 （Consistency）所有节点访问时都是同一份最新的数据副本
• 可用性（Availability）每次请求都能获取到非异常的响应，但不保证数据最新
• 分区容错性（Partition tolerance）分布式系统遇到任何网络分区故障的时候，仍然能够对外提供服务，除非整个网络环境都发生了故障

4. BASE理论

BASE全称是：Basically Available（基本可用），Soft state（软状态）和Eventually consistent（最终一致性）三个短语的缩写。

Base理论的核心思想是：既然无法做强一致性，那么每个应用可以根据自身业务特定，采用适当的方式使系统达到最终一致性。

• 基本可用：出现了不可预知的故障，但还是能用。只是相对正常系统来说可能响应变慢，部分功能缺失。
• 软状态：指系统的数据存在中间状态，并认为该状态不会影响系统的整体可用性。即允许不同副本的数据存在延迟
• 最终一致性：上面说的软状态，不能一直是软状态，必须要有时间期限。在期限过后，应当保证所有副本数据一致

分布式一致性协议

1. 两阶段提交

两阶段提交协议，简称2PC（2 Prepare Commit）,是比较常用的解决分布式事务问题的方式，要么所有参与进程提交事务，要么都取消事务。