江苏龙网

  1. 主页 > 生活百科 > >

分布式系统架构( 二 )

分布式


解决方案:
方案1：直接读主库 。（问题主库压力大） 。
方案2：我们设置一个更新时间窗口，在刚刚更新的一段时间内，我们默认都从主库读取，过了这个窗口之后，我们会挑选最近有过更新的从库进行读取
方案3：我们直接记录用户更新的时间戳，在请求的时候把这个时间戳带上，凡是最后更新时间小于这个时间戳的从库都不予以响应 。
2、单调读一致性本次读到的数据不能比上次读到的旧 。【产生原因是不同从库上数据更新有延迟导致的】
由于主从节点更新数据的时间不一致，导致用户在不停地刷新的时候，有时候能刷出来，再次刷新之后会发现数据不见了，再刷新又可能再刷出来，就好像遇见灵异事件一样
解决方案：就是根据用户ID计算一个hash值，再通过hash值映射到机器 。同一个用户不管怎么刷新，都只会被映射到同一台机器上 。这样就保证了不会读到其他从库的内容，带来用户体验不好的影响 。
3、因果一致性指的是：如果节点 A 在更新完某个数据后通知了节点 B，那么节点 B 之后对该数据的访问和修改都是基于 A 更新后的值 。于此同时，和节点 A 无因果关系的节点 C 的数据访问则没有这样的限制 。
4、最终一致性最终一致性是所有分布式一致性模型当中最弱的 。可以认为是没有任何优化的“最”弱一致性，它的意思是说，我不考虑所有的中间状态的影响，只保证当没有新的更新之后，经过一段时间之后，最终系统内所有副本的数据是正确的 。
它最大程度上保证了系统的并发能力，也因此，在高并发的场景下，它也是使用最广的一致性模型 。
1.5CAP定理CAP 理论含义是，一个分布式系统不可能同时满足一致性（C:Consistency)，可用性（A: Availability）和分区容错性（P：Partition tolerance）这三个基本需求，最多只能同时满足其中的2个 。
选项描述C（Consistency） 一致性分布式系统当中的一致性指的是所有节点的数据一致，或者说是所有副本的数据一致A （Availability）可用性Reads and writes always succeed. 也就是说系统一直可用，而且服务一直保持正常P （Partition tolerance）分区容错性系统在遇到一些节点或者网络分区故障的时候，仍然能够提供满足一致性和可用性的服务
 
举个场景来说明CAP：

分布式系统架构

文章插图
 
Consistency-一致性
一致性是在写操作后进行读操作可以读到最新的数据状态,当数据分布在多个节点上时,从任意节点读取到的数据都是最新的 。
商品信息读写要满足一致性需要实现如下目标：
1.商品服务写入主数据库成功, 则想从数据库查询数据也成功
2.商品服务写入主数据库失败,则向从数据库查询也失败
实现：
1.写入主数据库后要数据同步到从数据库
2.写入主数据库后,在向从数据库同步期间要将从数据库锁定, 等待同步完成后在释放锁,以免在写新数据后,向从数据库查询到旧的数据 。
分布式一致性的特点:
1.由于存在数据库同步过程,写操作的响应会有一定的延迟 。
2.为了保定数据的一致性,对资源暂时锁定,待数据同步完成后释放锁定资源 。
3.如果请求数据同步失败的节点则会返回错误信息, 一定不会返回旧数据 。
Availability-可用性
可用性是指任何操作都可以得到响应的结果,且不会出现响应超时或响应错误 。
商品信息读写要满足可用性需要实现如下目标:
1.从数据库接收到数据库查询的请求则立即能够响应数据查询结果
2.从数据库不允许出现响应超时或错误
实现：
1.写入主数据库后要将数据同步到从数据 。
2.由于要保证数据库的可用性,不可以将数据库中资源锁定 。
3.即使数据还没有同步过来,从数据库也要返回查询数据, 哪怕是旧数据,但不能返回错误和超时 。
Partition tolerance-分区容错性
分布式系统的各个节点部署在不同的子网中, 不可避免的会出现由于网络问题导致节点之间通信失败,此时仍可以对外提供服务, 这个就是分区容错性 (分区容忍性) 。
商品信息读写要满足分区容错性需要实现如下目标:
1.主数据库想从数据库同步数据失败不形象写操作
2.其中一个节点挂掉不会影响另一个节点对外提供服务
【分布式系统架构】实现：
1.尽量使用异步取代同步操作,举例 使用异步方式将数据从主数据库同步到从数据库, 这样节点之间能有效的实现松耦合;


推荐阅读


上一篇：玛卡泡茶喝有什么功效,环绕盖碗冲水有什么讲究吗

下一篇：古代纳妾流程 纳妾的要求