初识分布式:MIT 6.284 系列(一)

用户头像
Kerwin
关注
发布于: 2020 年 08 月 03 日
初识分布式:MIT 6.284系列(一)

前言



本系列是源于「码农翻身」所属知识星球发起的读书活动,由大佬 @我的UDP不丢包 推荐而来,这次的读书活动有一些另类,我们抛弃了传统的书籍,开始攻略最高学府的研究生顶级课程 <6.824>,该课程是很多年前的蠕虫病毒发明者Robert Morris大佬授课,归属于麻省理工大学,授课方式主要是:视频 + Lab 实验(Go 语言) + 论文,全程英语,难度较大。



分布式系统的判断依据



  • multiple cooperating computers (多台计算机协作)

  • storage for big web sites, MapReduce, peer-to-peer sharing (大规模数据集运算,如:MapReduce,或点对点共享)

  • lots of critical infrastructure is distributed (系统的绝大部分基础设施是分布式的)



MapReduce:大规模数据集计算系统,比如计算从 1 加到 1000 亿,可以单台计算机计算,也可以利用该技术分散到多台计算机计算然后合并结果,极大的提高效率



为什么需要分布式系统



  • to increase capacity via parallelism (通过并行增加系统性能)

  • to tolerate faults via replication (通过复制备份增加系统容错)

  • to place computing physically close to external entities (可以将计算放在离外部实体更近的地方)

  • to achieve security via isolation (可以通过隔离增加系统的安全)



容错:针对于容错,主要是两点,一是可用性,二是可恢复性

>

对于分布式系统来说,一般不会全部服务器同时瘫痪,因此无论是服务可用还是数据安全,都比单体服务更有保障。



分布式的难点



  • 需要额外注意并发编程,对开发人员的能力要求直线上升

  • 系统内的相互作用非常复杂

  • 意想不到的错误:局部错误

  • 预期性能和实际性能往往不符



局部错误:假设一台机器每天出故障的概率是千分之一,在单体应用中,可能很长时间可以工作,但是在分布式系统中,设备数量急剧上升,每天都可能有设备出现故障,这就是所谓的局部错误,很难排查,也几乎无法避免



此处展示一张单体应用和分布式应用的对比图,图片出自:《极客时间 · 左耳听风》





分布式系统的解决方案



宏观目标



我们需要设计一系列能够屏蔽分布式系统复杂性的抽象



为什么要设立此目标?

>

因为分布式系统本身已足够复杂,因此必须简化使用方式

>

简化使用方式和抽象有什么关系?

>

我目前认可的最完美抽象是:文件

>

“UNIX 文件本质上就是一大袋字节。” —— 《UNIX 编程艺术》

>

在 Unix 中,任何可读/写也就是有 I/O 的设备,无论是文件,socket,驱动,在打开设备之后都有一个对应的文件描述符。Unix 将对这些设备的读写简化在 read/write 中,换言之,你只需要把打开的文件描述符传给这两个函数,操作系统内核知道如何根据这个文件描述符得到具体设备信息,内部隐藏了对各种设备进行读写的细节,所有这些对用户都是透明的,你只需要打开它,得到 fd,再进行相应的操作就够了。



研究角度



  • 实现方式。

- RPC 远程调用,线程和并发控制

  • 性能:

- 通常我们想要提供一个性能可以扩展的系统。

- 可以通过简单增加系统的电脑数量来增强并行能力,从而部分扩展系统的性能:

- 当没有复杂交互的时候这么做很有效

- 可以不用请昂贵的程序员来重新设计系统。

- 简单增加系统内电脑数量并不能一直增加系统性能:

- 当电脑数量变得很多的时候,负载不均,系统内每台电脑性能不均,无法并行执行的代码,初始化的交互都会降低系统的性能。

- 来自共享资源的访问也会造成性能瓶颈,比如网络通讯或者数据库等

- 同时性能也并不能总是靠增加系统内电脑数量达成:

- 比如来自单一用户请求的快速响应时间

- 比如所有用户都想要更新同一个数据。

- 通常这些情况需要更好的程序设计而不是更多的电脑。

  • 容错:

- 大量的服务器 + 大型的系统通常代表着总有错误会发生

- 我们需要向应用程序隐藏这些错误

- 我们通常想要让系统拥有可用性和可恢复性

- 可用性:即使错误发生了,系统还是可以继续运行

- 可恢复性:当错误被修复之后,系统可以恢复运行

- 通常可以用备用的服务器来增加容错

  • 一致性:

- 通常想要达成正确工作的系统十分困难:

- 服务器和它的备份服务器之间很难保持一致,代价太高

- 客户端可能会在中途出错。

- 服务器可能会在处理之后回复之前崩溃

- 不佳的网络可能会使得正常的服务器无法提供服务

- 一致性和性能通常是矛盾的:

- 高一致性需要各种基础设置之间大量的通信

- 许多设计为了提升性能被迫只提供弱一致性



一致性:一致性问题貌似是最难以解决的问题,因为它本质包含了性能,容错,数据一致性等等诸多要素

>

我们前文说过,为了考虑容错容灾机制,需要数据进行备份,那么在分布式系统中,A 服务修改了 A 数据库的值,B 数据库的值要不要跟着改,是立即跟着改,还是延迟跟着改,在同步修改中出问题了怎么办,在异步修改中出问题了怎么办

>

最终业界也很难解决相应的问题,因此现在主流的方式是:最终一致性

>

即允许短时间内数据不一致,通过最终一致性保证性能和数据安全的兼顾



持续脑图



文件分享地址:https://www.processon.com/view/link/5f1db0230791291b99680fa0





下一章内容



接下来的一章,我们将进行 <6.824> 中的 Lab 1,即实现一个简单的MapReduce系统,该系统将采用 Go 语言构建



Go 语言是近些年非常热门的语言之一,其价值个人感觉大于被炒的火热的 Python



本章要求



  • 了解分布式系统的由来及面临的挑战

  • 了解<6.824>课程中涉及的分布式系统解决方案

  • 搭建 Go 语言环境,写出 HelloWorld 即可(语法层面及 MR 实现将在下章学习)



最后



相关资源:



Go 官方镜像站



Go 语言 IDE



Go 语言环境搭建教程



Go 语言初识 + HelloWorld



MIT 课程表主页



B 站中文翻译视频地址



如果觉得对你有用的话,不要忘记点个赞啊~ 也可以扫描二维码关注我,一起朝着技术人的顶峰前进!





发布于: 2020 年 08 月 03 日 阅读数: 62
用户头像

Kerwin

关注

公众号:是Kerwin啊 2019.02.25 加入

一个具备减肥与写作技能的后端开发~

评论

发布
暂无评论
初识分布式:MIT 6.284系列(一)