第六周架构方法学习总结

兵长

关注

发布于: 2020 年 11 月 01 日

分布式数据库

MySQL 主从复制(写入主服务器,mysql binlog 记录操作日志,备库数据库有个线程拉取 binlog 后同步数据)

一主多从(在从服务器读取数据,多个从服务器同步主服务器数据)

• 分摊负载

• 专机专用

• 便于冷备

• 高可用

主主复制(只能有一个主在被使用，另一个用做高可用,否则脑裂)

• 主主复制的两个数据库不能并发写入。

• 复制只是增加了数据的读并发处理能力，没有增加写并发能力和存储能力。

• 更新表结构会导致巨大的同步延迟。

数据分片:

实现方案:硬编码实现(加服务就得改代码，数据得迁移,无法执行多分片的联合查询,无法使用数据库的事务。
映射表外部存储(必须要改代码,增加服务数据得迁移,无法执行多分片的联合查询,无法使用数据库的事务。)
使用分布式数据库中间件(myCat/Amoeba/Cobar) 相当于在数据库跟服务之间加了一层用来做分片跟路由的组件,默认是多加个一批实例,可以放到一个服务器上,如果加服务器,只改服务器地址迁移实例数据就可以了
比较成熟的分布式数据部署图(业务拆分+主从复制+分片拆分)

NoSQL

NoSQL，泛指非关系型的数据，用于超大规模数据的存储，是关系型数据库的补充，不保证关系数据的 ACID 特性。

CAP 原理

CAP 理论，作为分布式系统的基础理论，它描述的是一个分布式系统在以下三个特性中：

一致性（Consistency）：在分布式系统完成某写操作后，任何读操作，都应该获取到该写操作写入的那个最新的值。相当于要求分布式系统中的各节点时时刻刻保持数据的一致性。

可用性（Availability）： 每次请求可以正常访问并得到系统的正常响应。用户角度来看就是不会出现系统操作失败或者访问超时等问题。

分区容错性（Partition tolerance）：指的分布式系统中的某个节点或者网络分区出现了故障的时候，整个系统仍然能对外提供服务。

CAP 原理，首先，当网络分区故障发生的时候，我们要么取消操作，这样数据就是一致的，但是系统却不可用；要么继续写入数据，但就保证不了数据一致性。

再说，对于一个分布式系统而言，网络故障一定会发生，也就是说，分区耐受性是必须要保证的，那就要在可用性和一致性上要二选一。

总的来说，当网络分区故障，若选择了一致性，系统就可能返回错误或超时，即系统不可用。若选择了可用性，系统总可以返回一个数据，但并不能保证这个数据是新的。更准确来说，在分布式系统必须满足分区耐受性的前提下，可用性和一致性无法同时满足。

CAP 三者不可兼得，该如何取舍：

(1) CA: 优先保证一致性和可用性，放弃分区容错。这也意味着放弃系统的扩展性，系统不再是分布式的，有违设计初衷。

(2) CP: 优先保证一致性和分区容错性，放弃可用性。在数据一致性要求比较高的场合(如:zookeeper, Hbase) 是比较常见的做法，一旦发生网络故障或者消息丢失，就会牺牲用户体验，等恢复之后用户才逐渐能访问。

(3) AP: 优先保证可用性和分区容错性，放弃一致性。NoSQL 中的 Cassandra 就是这种架构。跟 CP 一样，放弃一致性不是说一致性就不保证了，而是逐渐的变得一致。

ACID 与 BASE

ACID，关系数据库, 最大的特点就是事务处理, 即满足 ACID；ACID 可以理解为 ACID 最重要的含义，就是 Atomicity 和 Isolation ，即强制一致性，要么全做要么不做，所有用户看到的数据一致。强调数据的可靠性, 一致性和可用性。

ACID 为 Atomicity, Consistency, Isolation, and Durability，其中 ACID 分别表示为：

原子性（Atomicity）：事务中的操作要么都做，要么都不做。
一致性（Consistency）：系统必须始终处在强一致状态下。
隔离性（Isolation）：一个事务的执行不能被其他事务所干扰。
持续性（Durability）：一个已提交的事务对数据库中数据的改变是永久性的。

保证 ACID 是传统关系型数据库中事务管理的重要任务，几种事务类型为：未提交读、可提交读、可重复读、可序列化

BASE，分布式数据库最大的特点就是分布式，即满足 BASE，ASE 方法通过牺牲一致性和孤立性来提高可用性和系统性能。

BASE 为 Basically Available, Soft-state, Eventually consistent，其中 BASE 分别代表：

基本可用（Basically Available）：系统能够基本运行、一直提供服务。
软状态（Soft-state）：系统不要求一直保持强一致状态。
最终一致性（Eventual consistency）：系统需要在某一时刻后达到一致性要求。

表示为支持可用性，牺牲一部分一致性，可以显著的提升系统的伸缩性，数据为最终一致。和 ACID 为相反的方向。其中事务支持不会很高。

Cassandra

Apache Cassandra 是一个开源，分布式和分散式/分布式存储系统（数据库），用于管理遍布世界各地的大量结构化数据。它提供高可用性的服务，没有单点故障。

Cassandra 架构

Cassandra 设计目的，处理跨多个节点的大数据工作负载，而没有任何单点故障。Cassandra 在其节点之间具有对等分布式系统，并且数据分布在集群中的所有节点之间。

集群中的所有节点都扮演相同的角色。每个节点是独立的，并且同时互连到其他节点。
集群中的每个节点都可以接受读取和写入请求，无论数据实际位于集群中的何处。
当节点关闭时，可以从网络中的其他节点提供读/写请求。

Cassandra 数据复制，在 Cassandra 中，集群中的一个或多个节点充当给定数据片段的副本。如果检测到一些节点以过期值响应，Cassandra 将向客户端返回最近的值。返回最新的值后，Cassandra 在后台执行读修复以更新失效值。

HBase

HBase 是一个高可靠、高性能、面向列、可伸缩的分布式开源的非关系型分布式数据库，它参考了谷歌的 BigTable 建模，主要用来存储非结构化和半结构化的松散数据，实现的编程语言为 Java。Apache 软件基金会的 Hadoop 项目的一部分，运行于 HDFS 文件系统之上，为 Hadoop 提供类似于 BigTable 规模的服务。HBase 的目标是处理非常庞大的表，可以通过水平扩展的方式，利用廉价计算机集群处理由超过 10 亿行数据和数百万列元素组成的数据表，因此，它可以容错地存储海量稀疏的数据。

HBase 架构

LSM 树（Log-Structured Merge Tree）存储引擎

核心思想的核心就是放弃部分读能力，换取写入的最大化能力。LSM Tree ，这个概念就是结构化合并树的意思，它的核心思路其实非常简单，就是假定内存足够大，因此不需要每次有数据更新就必须将数据写入到磁盘中，而可以先将最新的数据驻留在内存中，等到积累到最后多之后，再使用归并排序的方式将内存内的数据合并追加到磁盘队尾。

LSM 树存储引擎和 B 树存储引擎一样，同样支持增、删、读、改、顺序扫描操作。而且通过批量存储技术规避磁盘随机写入问题。当然凡事有利有弊，LSM 树和 B+树相比，LSM 树牺牲了部分读性能，用来大幅提高写性能。

ZooKeeper

ZooKeeper 是 Hadoop 的正式子项目，它是一个针对大型分布式系统的可靠协调系统，提供的功能包括：配置维护、名字服务、分布式同步、组服务等。ZooKeeper 的目标就是封装好复杂易出错的关键服务，将简单易用的接口和性能高效、功能稳定的系统提供给用户。

分布式系统脑裂：在分布式系统中，不同服务器获得了互相冲突的数据信息或者执行指令，导致整个集群陷入混乱，数据损坏，这称为分布式系统脑裂。

解决脑裂问题，有三种常用思路：

设置仲裁机制，是引入第三方检测器的方式，定时检测保障主存活。
lease 机制，是以认证凭据方式，保障切换后，老主失效。
设置隔离机制，保证系统识别得到唯一主，剔除掉失效主节点。

主主备

分布式一致性算法 Paxos

第一阶段：Prepare 阶段，Proposer 向超过半数（n/2+1）Acceptor 发起 prepare 消息，如果 prepare 符合协议规则 Acceptor 回复 promise 消息，否则拒绝。

第二阶段：Accept 阶段，多数 Acceptor 回复 promise 后，Proposer 向 Acceptor 发送 accept 消息

，Acceptor 检查 accept 消息是否符合规则，消息符合则批准 accept 请求。

第三阶段：Learn 阶段，Proposer 在收到多数 Acceptors 的 Accept 后，标志本次 Accept 成功，决议形成，将形成的决议发给所有 Learners。

其他：分布式一致性算法 Raft、ZAB、Gossip。

ZooKeeper 架构

Zab 协议

ZAB 协议是为分布式协调服务 ZooKeeper 专门设计的一种支持崩溃恢复的一致性协议。

树状记录结构

API

create /path data 创建一个名为/path 的 znode 节点，并包含数据 data。

delete /path 删除名为/path 的 znode。

exists /path 检查是否存在名为/path 的节点。

setData /path data 设置名为/path 的 znode 的数据为 data。

getData /path 返回名为/path 节点的数据信息。

getChildren /path 返回所有/path 节点的所有子节点列表。

void sync(path) 对指定的路径，强制本连接所在的服务器和 leader 同步信息，异步调用

List multi(ops) 原子地执行多步 zk 操作

...

配置

tickTime：这个时间是作为 Zookeeper 服务器之间或者客户端与服务器之间维持心跳的时间间隔，也就是每个 tickTime 时间就会发送一下心跳。

initLimit：这个配置项是用来配置 zookeeper 接受客户端的(这里所说的客户端不是用户连接 Zookeeper 服务器的客户端而是 Zookeeper 服务器集群中连接到 Leader 的 Follower 服务器)初始化连接时最长能忍受多少个心跳时间间隔数。当已经超过 10 个心跳的时间(也就是 tickTime)长度后 Zookeeper 服务器还没有接到客户端的返回信息，那么表明这个客户端连接失败。总时间长度就是 102000=20 秒。

syncLimit：这个配置项标示 Leader 与 Follower 之间发送消息、请求和应答时间长度，最长不能超过多少个 tickTime 的时间长度，总的时间长度就是 52000=10 秒。

dataDir：Zookeeper 保存数据的目录，默认情况下，Zookeeper 将数据的日志文件也保存在这里。dataLogDir

clientPort：这个端口就是客户端连接 Zookeeper 服务器的端口。Zookeeper 会监听这个端口，接受客户端的访问请求。

server.A=B:C:D 其中 A 是一个数字，标示这是第几号服务器；B 是这个服务器的 ip 地址；C 标示的是这个服务器与集群中的 Leader 服务器交换信息的端口；D 标示的是万一集群中 Leader 服务器挂了，需要一个端口来进行选举，选出一个新的 Leader，而这个端口就是用来执行选举时服务器相互通信的端口。如果是伪集群的配置方式，由于 B 都是一样，所以不同的 Zookeeper 实例通信端口号不能一样，所以要给他们分配不同的端口号。

myid：集群模式下配置一个文件 myid，这个文件在 daraDir 目录下，这个文件里面就有一个数据就是 A 的值，Zookeeper 启动时读取此文件，拿到里面的数据与 zoo.cfg 里面的配置信息比较从而判断到底是哪个 server。

集群（负载均衡）