实时消息 RTM| 多活架构中的数据一致性问题

一，容灾方案

之前介绍过 RTM 的系统架构设计，其中有说到我们的容灾设计的是双活和多活。有很多小伙伴问到为什么不采用主从架构设计，以及多活容灾怎么做到数据一致性等问题。这里我们针对容灾和多活设计进行详细介绍。

容灾的方案有很多，最常见的就是主备容灾，最初版本我们也采用了主机+冷备机容灾模式：Client 正常与 Master 连接进行通信，正常情况下只有主机提供服务；在主机出故障时，仲裁服务切换主备，原来的主机下线变成备机，原备机变成主机后为 Client 提供服务。

一主机一备机的模型设计简单，并且具有不错的可用性——毕竟主备两台机器同时不可用的概率极低，相信很多后台系统也采用了类似的容灾策略。

主备容灾存在一些明显的缺陷，比如备机闲置导致有一半的空闲机器；比如主备切换的时候，备机在瞬间要接受主机所有的请求，容易导致备机过载。既然一主一备容灾存在这样的问题，为什么还有大量的公司采用这种容灾模型？事实上，架构的选择往往跟项目背景有关，大多数情况项目需要的机器数少，机器冗余不是主要问题；其次主备架构简单稳定，可以快速开发，快速上线。

由于 RTM 系统对并发的要求非常高，同时由于项目对设备的使用率要求较高，所以我们采用了多活架构。

多活架构中每台机器都能为客户端提供服务，如果其中一台宕机或发生故障，Client 只需要连接相同区域内其他的服务即可。多活架构可是使得机器的利用率最大化，降低服务运营的成本，同时对于运维来说也相对简单，当发生流量峰值时只需要平行增加机器即可，当流量较低时，可以减少机器；动态增加或减少机器对于成本的控制非常有效。多活架构看似非常美好，对于技术人员来说使用多活架构需要解决的技术难题非常多，其中一个就是分布式数据一致性问题。

二，一致性算法

一致性就是数据保持一致，在分布式系统中，可以理解为多个节点中数据的值是一致的。

1，为什么需要一致性 a)数据不能存在单个节点（主机）上，否则可能出现单点故障。

b)多个节点（主机）需要保证具有相同的数据。

c)一致性算法就是为了解决上面两个问题。

2，一致性的分类 a)强一致性说明：保证系统改变提交以后立即改变集群的状态。模型：PaxosRaft（muti-paxos）ZAB（muti-paxos）

b)弱一致性说明：也叫最终一致性，系统不保证改变提交以后立即改变集群的状态，但是随着 时间的推移最终状态是一致的。模型：DNS 系统 Gossip 协议具体的一致性算法的介绍大家可以自行搜索，其中的一些思想非常值得去深究，都是大牛们智慧的结晶。

RTM 系统中有个非常经典的场景，一个群组里面有 N 个人分布在不同的区域，这时候有些人同时对群组的某一个相同属性进行修改；属性的修改需要通知群里的所有人，这个时候如果没有数据一致性的保证，有极大的可能会导致群里的 N 个人中一部分人收到的数据去其他人收不到的不一样，如果是这样对于业务来说是致命的。

多个人在不同地点同时对属性 A 进行修改，由于网络的波动延时，导致 Client-D、E、F 收到的顺序完全不同；最终呈现的属性值也不同。因此我们参考了 Paxos 算法的一些思想：

P1： 一个 Acceptor 必须接受它收到的第一个议案。

P2： 如果一个值为 v 的议案被选定了，那么被选定的更大编号的议案，它的值必须也是 v。

P2a： 如果一个值为 v 的议案被选定了，那么 Acceptor 接受的更大编号的议案，它的值必须也是 v。

P2b： 如果一个值为 v 的议案被选定了，那么 Proposer 提出的更大编号的议案，它的值必须也是 v。

P2c： 在所有 Acceptor 中，任意选取半数以上的 Acceptor 集合，我们称这个集合为 S。Proposal 新提出的议案（简称 Pnew）必须符合下面两个条件之一：

1）如果 S 中所有 Acceptor 都没有接受过议案的话，那么 Pnew 的编号保证唯一性和递增即可，Pnew 的值可以是任意值。  2）如果 S 中有一个或多个 Acceptor 曾经接受过议案的话，要先找出其中编号最大的那个议案，假设它的编号为 N，值为 V。那么 Pnew 的编号必须大于 N，Pnew 的值必须等于 V。

算法的推导过程理解起来还是比较困难，我们大致总结了其核心点：一致性算法不是算法保证数据一致，他保证的是你数据写入顺序的一致。如果数据写入顺序一致，最终的结果肯定是一样的。

比如上面我们提到的经典场景，我们只要保证所有客户端收到的属性的顺序是一致的，不论属性是 213，还是 312，只要大家都是这个顺序，那么最终每个客户端上的最终属性值肯定是一样的。

三，总结

任何架构和算法最终都是服务于实际的业务，并不是一种架构胜任所有，应当从多角度、多维度找到适合的方案才是最优解。