10.8学习

1.CAP

★一致性(2PC、3PC、Paxos、Raft)

●强一致性:数据库一致性,牺牲了性能

ACID:原子性、一致性、隔离性、持久性

●弱一致性:数据库和缓存,延迟双删、重试

●单调读一致性:缓存一致性,ID或者IP哈希

●最终一致性:边缘业务,消息队列

★可用性(多级缓存、读写分离)

●BASE 基本可用:限流导致响应速度慢、降级导致用户体验差

✮Basically Availabe 基本可用

✮Soft state 软状态

✮Eventual Consistency 最终一致性

✮分区容忍性(一致性Hash解决扩缩容问题)

 

2.一致性

 

2PC协议:两阶段提交协议,P是指准备阶段,C是指提交阶段

●准备阶段:询问是否可以开始,写Undo、Redo日志,收到响应

●提交阶段:执行Redo日志进行Commit,执行Undo日志进行Rollback

 

3PC协议:将提交阶段分为CanCommit、PreCommit、DoCommit三个阶段

●CanCommit:发送canCommit请求,并开始等待

●PreCommit:收到全部Yes,写Undo、Redo日志。超时或者No,则中断

●DoCommit:执行Redo日志进行Commit,执行Undo日志进行Rollback

 

区别是第二步,参与者自身增加了超时,如果失败可以及时释放资源

 

3.Paxos算法

参与者(例如Kafka)的一致性可以由协调者(例如Zookeeper)来保证,协调者的一致性就只能由Paxos保证了

 

Paxos算法中的角色:

●Client:客户端、例如,对分布式文件服务器中文件的写请求。

●Proposer:提案发起者,根据Accept返回选择最大N对应的V,发送[N+1,V]

●Acceptor:决策者,Accept以后会拒绝小于N的提案,并把自己的[N,V]返回给Proposer

●Learners:最终决策的学习者、学习者充当该协议的复制因素

b43a646f915341f0be12a1cd14fe071f.jpg

 

 

Q:如何保证Paxos算法活性

A:假设存在这样一种极端情况,有两个Proposer依次提出了一系列编号递增的提案,导致最终陷入死循环,没有value被选定

●通过选取主Proposer,规定只有主Proposer才能提出议案。只要主Proposer和过半的Acceptor能够正常网络通信,主Proposer提出一个编号更高的提案,该提案终将会被批准。

●每个Proposer发送提交提案的时间设置为一段时间内随机,保证不会一直死循环

 

4.Raft算法

Raft 是一种为了管理复制日志的一致性算法

 

Raft使用心跳机制来触发选举。当server启动时,初始状态都是follower。每一个server都有一个定时器,超时时间为election timeout(一般为150-300ms),如果某server没有超时的情况下收到来自领导者或者候选者的任何消息,定时器重启,如果超时,它就开始一次选举。

 

Leader异常:异常期间Follower会超时选举,完成后Leader比较彼此步长

 

Follower异常:恢复后直接同步至Leader当前状态

 

多个Candidate:选举时失败,失败后超时继续选举

 

 

 

上一篇:SaaS架构:多租户系统架构设计