内容简介:FLP不可能原理在异步模型中,分布式系统中只要有一个进程不可用,就可能无法达成整体的共识.在工程中的分布式系统实现中, 通过解决活锁等问题, 来使系统在一定时间内可以达到一致性.
基本理论
FLP/CAP/BASE/ACID
FLP不可能原理
在异步模型中,分布式系统中只要有一个进程不可用,就可能无法达成整体的共识.
在工程中的分布式系统实现中, 通过解决活锁等问题, 来使系统在一定时间内可以达到一致性.
上图里CP还少一个常见的: zookeeper
ACID
对应刚性事务, 追求强一致性, 以 MySql 等RDBMS为代表;
BASE
对应柔性事务, 牺牲强一致性来换取一定的可用性, 过种中会存在中间状态, 但会达到最终一致性, 以Spanner等分布式系统为代表.
CAP理论
分布式系统中C、A、P三者不能同时满足,最多只能满足其中两个.
通常来说, 使用网络通信的分布式系统,无法舍弃P性质, 会根据选择的不同去达到AP或CP.
不过三者选二的情况很容易发生误解,
- 分区很少发生,那么在系统不存在分区的情况下没什么理由牺牲C或A。
- A与C的取舍可以在同一系统内反复发生, A与C的程度都有很多的层次, 比如可用性的变化和一致性等级的变化等
所以实际使用中可根据应用场景进行适当取舍
以zookeeper为例, 它的CAP分别为:
- C : 最终一致性, 一般十几秒内可以Sync到各个节点
- A : 数据总是可用, 超过一半的节点的数据是最新的, 但想保证读到最新的数据需手动调用Sync函数
- P : 一是节点多了会导致写数据时同步延时非常大, 二是节点多了Leader选举非常耗时, 可引入 observer节点缓解
zookeeper
是一个CP系统, 因为在任何时刻对它的访问请求能得到一致的数据结果, 但不保证每次服务请求的可用性(比如发生网络分区时), 所以其实它做服务发现并不如AP的 eureka
合适
分布式事务
实现最终一致性有三种模式
- 可靠事件模式, MQ配合本地或外部事件表
- 业务补偿模式, 用于业务/技术异常时补偿
- TCC模式, 应用层的2PC
分布式事务的需求, 主要是因为数据库的水平拆分以及应用SOA化, 服务调用中会使用到跨库事务.
从某种角度来说, 只有拥有复杂业务(如金融), 全球性服务(如谷歌), 和拥有大数据量(分库)的公司才会有这种需求的场景.
常见的一致性协议
- ZAB
- Raft
- Viewstamped Replication
- Quorum
- Gossip
本质都是Paxos协议的变种
常见的类Paxos分布式事务实现
- MySQL的XA
- TCC, Try-Confirm-Cancel
很好的一篇
核心金融场景分布式事务分布式的实际业务场景
- 微信 PaxosStore
- 阿里 AliSQL X-Cluster/TCC等
- TiDB (multi raft group)
- 谷歌Spanner等
- AWS aurora, dynamo
以上就是本文的全部内容,希望对大家的学习有所帮助,也希望大家多多支持 码农网
猜你喜欢:- 各种分布式事务的实现方式适用的场景
- 分布式场景下Session解决方案-SpringSession
- 单机和分布式场景下,有哪些流控方案?
- 高并发场景下分布式实时信令系统的架构实践
- SpringBoot+Redis分布式锁:模拟抢单场景
- 分布式云存储到底是什么?又究竟如何让场景落地?
本站部分资源来源于网络,本站转载出于传递更多信息之目的,版权归原作者或者来源机构所有,如转载稿涉及版权问题,请联系我们。
函数式算法设计珠玑
Richard Bird / 苏统华、孙芳媛、郝文超、徐琴 / 机械工业出版社 / 2017-4-1 / 69.00
本书采用完全崭新的方式介绍算法设计。全书由30个珠玑构成,每个珠玑单独列为一章,用于解决一个特定编程问题。这些问题的出处五花八门,有的来自游戏或拼图,有的是有趣的组合任务,还有的是散落于数据压缩及字串匹配等领域的更为熟悉的算法。每个珠玑以使用函数式编程语言Haskell对问题进行描述作为开始,每个解答均是诉诸于函数式编程法则从问题表述中计算得到。本书适用于那些喜欢学习算法设计思想的函数式编程人员、......一起来看看 《函数式算法设计珠玑》 这本书的介绍吧!