分布式系统架构师必需要考虑的四个方面

刚看了阿里技术大牛毕玄《分布式领域架构师要掌握的技术》，里面讲到，架构师在设计分布式系统须要重点考虑如下四方面：

一、通讯

首先要掌握一些基础知识，例如网络通讯协议（诸如TCP/UDP等等）、网络IO（Blocking-IO，NonBlocking-IO、Asyn-IO）、网卡（多队列等）；更偏应用的层面，须要了解例如链接复用、序列化/反序列化、RPC、负载均衡等。

学了这些基本知识后，基本上能够写一个简单的分布式系统里的通讯模块，但这其实远远不够，既然进入了分布式领域，对规模其实就已经有了不低的要求，一般也就意味着须要的是能支持大量链接、高并发、低资源消耗的通讯程序。

 

大量的链接一般会有两种方式：

1. 大量client连一个server

   在现现在NonBlocking-IO这么成熟的状况下，一个支持大量client的server已经不那么难写了，但在大规模，而且一般长链接的状况下，有一个点要特别注意，就是当server挂掉的时候，不能出现全部client都在一个时间点发起重连，那样基本就是灾难，在没有经验的状况下我看过好几起相似的case，到client规模上去后，server一重启基本就直接被冲进来的大量建连冲垮了（固然，server的backlog队列首先应该稍微设置大一些），一般能够采用的方法是client重连前都作随机时间的sleep，另外就是重连的间隔采起避让算法。

 

2. 一个client连大量的server

   有些场景也会出现须要连大量server的现象，在这种状况下，一样要注意的也是不要并发同时去建全部的链接，而是在能力范围内分批去建。

   除了建链接外，另外还要注意的地方是并发发送请求也一样，必定要作好限流，不然很容易会由于一些点慢致使内存爆掉。

 

这些问题在技术风险上得考虑进去，并在设计和代码实现上体现，不然一旦随着规模上去了，问题一时半会还真不太好解。

 

高并发这个点须要掌握CAS、常见的lock-free算法、读写锁、线程相关知识（例如线程交互、线程池）等，通讯层面的高并发在NonBlocking-IO的状况下，最重要的是要注意在总体设计和代码实现上尽可能减小对io线程池的时间占用。

二、伸缩性

伸缩性的问题围绕着如下两种场景在解决：

1. 无状态场景

   对于无状态场景，要实现随量增加而加机器支撑会比较简单，这种状况下只用解决节点发现的问题，一般只要基于负载均衡就能够搞定，硬件或软件方式都有；

   无状态场景一般会把不少状态放在db，当量到必定阶段后会须要引入服务化，去缓解对db链接数太多的状况。

2. 有状态场景

   所谓状态其实就是数据，一般采用Sharding来实现伸缩性，Sharding有多种的实现方式，常见的有这么一些：

   2.1 规则Sharding

       基于必定规则把状态数据进行Sharding，例如分库分表不少时候采用的就是这样的，这种方式支持了伸缩性，但一般也带来了很复杂的管理、状态数据搬迁，甚至业务功能很难实现的问题，例如全局join，跨表事务等。

   2.2 一致性Hash

       一致性Hash方案会使得加机器代价更低一些，另外就是压力能够更为均衡，例如分布式cache常常采用，和规则Sharding带来的问题基本同样。

   2.3 Auto Sharding

       Auto Sharding的好处是基本上不用管数据搬迁，并且随着量上涨加机器就OK，但一般Auto Sharding的状况下对如何使用会有比较高的要求，而这个一般也就会形成一些限制，这种方案例如HBase。

   2.4 Copy

       Copy这种常见于读远多于写的状况，实现起来又会有最终一致的方案和全局一致的方案，最终一致的多数可经过消息机制等，全局一致的例如zookeeper/etcd之类的，既要全局一致又要作到很高的写支撑能力就很难实现了。   

即便发展到今天，Sharding方式下的伸缩性问题仍然是很大的挑战，很是很差作。

三、稳定性

做为分布式系统，必需要考虑清楚整个系统中任何一个点挂掉应该怎么处理（到了必定机器规模，天天挂掉一些机器很正常），一样主要仍是分红了无状态和有状态：

1. 无状态场景

   对于无状态场景，一般好办，只用节点发现的机制上具有心跳等检测机制就OK，经验上来讲无非就是纯粹靠4层的检测对业务不太够，一般得作成7层的，固然，作成7层的就得处理好规模大了后的问题。

2. 有状态场景

   对于有状态场景，就比较麻烦了，对数据一致性要求不高的还OK，主备类型的方案基本也能够用，固然，主备方案要作的很好也很是不容易，有各类各样的方案，对于主备方案又以为不太爽的状况下，例如HBase这样的，就意味着挂掉一台，另一台接管的话是须要必定时间的，这个对可用性仍是有必定影响的；

   全局一致类型的场景中，若是一台挂了，就一般意味着得有选举机制来决定其余机器哪台成为主，常见的例如基于paxos的实现。

四、可维护性

维护性是很容易被遗漏的部分，但对分布式系统来讲实际上是很重要的部分，例如整个系统环境应该怎么搭建，部署，配套的维护工具、监控点、报警点、问题定位、问题处理策略等等。