分布式系统之中心化复制集管理

文章首发于公众号：松花皮蛋的黑板报
做者就任于京东,在稳定性保障、敏捷开发、高级JAVA、微服务架构有深刻的理解

为了不分布式系统单点异常引起的系统可靠性和高可用问题，可行的办法就是数据冗余，也称为复制集，那么复制集是怎么管理的呢？

实际上管理方式能够有去中心化副本集和中心化副本集两种。

去中心化副本集的特色是，无中心节点，全部节点地位平等，均可以接受读写请求，经过协商达到数据的一致。这种方式可用性比较强，只要大多数节点存活就能够对外提供服务，缺点也很明显，它的协议流程复杂。

中心化副本集的特色是，节点之间有主从逻辑关系，主节点负责全部请求的写操做，从节点复制主节点的数据，从节点集的做用是当主节点异常时从中选举出一个新的主节点。这种方式将复杂问题转换成一个有成熟解决方案的问题，将分布式的并发操做转换成单点并发，虽然逻辑变得简单了，可是主节点异常后，即便有主节点切换机制，也会出现短暂的不可用。

目前来看，数据的分布式存储广泛采用中心化副本集管理方式，那么接下来我将介绍这种方式的三个关键点，以下：

(1)、主节点和从节点之间的数据同步如何实现？方式是同步仍是异步？
(2)、从节点可否提供数据读取数据，若是容许，如何保证客户端不会读取到重复或者过期的数据？
(3)、主节点的选举机制是怎么样的？

首先来讲说主从节点数据更新流程。

若是采用同步的方式进行同步数据的话，意味着对于客户端请求，主节点一直阻塞该请求，直到将数据成功复制到全部的从节点，才能向客户端返回。显然，同步模式下，可靠性很是好，可是更新可用性很是差，只要有一个节点异常，就没法完成更新。并且，响应延迟比较大，取决于副本集中网络延迟最大、处理速度最慢的节点。

若是采用异步的方式进行同步数据的话，它只须要保证客户端写请求在一个节点上完成就当即响应返回，这里说的节点，一般是主节点，不过当写请求完成而复制操做还没开始时主节点异常，这将致使更新失效，关键在于客户端觉得已经成功了，它永远不会重试刚刚的写操做。另外，须要注意的是，异步模式下的同步是弱一致性的，客户端有可能读取不到最新的数据。

在数据同步的时候无论选择同步模式和异步模式都有各自的优劣，那么在技术方案评估时，选择哪一种方案，取决于系统对一致性、可用性、响应延迟的要求。

在主从节点数据同步的流程中，还有一个关键点须要交待清楚，数据同步路径问题，这样描述可能让人摸不着头脑，你能够理解为数据具体是怎么流动的。一般有两种方式，分别为链式和主从模式。

链式的意思是数据从一个节点推送到相邻最近的节点，最近节点能够用节点间心跳TTL来衡量，TTL表示IP数据包在计算机网络中能够转发的最大跳数。这种方式的数据可以充分利用网络资源，各个节点的压力都很是均衡，可是须要通过多个节点，写入延迟大，因此通常不采用这种方式，更多选用下面要说的主从模式。

主从模式是指数据从主节点同步到从节点，可是这个数据通常是操做事件数据，这样通知到从节点后，从节点会从主节点根据事件描述拉取相应的数据，优势是写入延迟小，缺点是主节点的压力比较大。

前面有说到，在主从节点数据同步流程中，有可能部分节点会写入失败，那这种状况应该怎么处理呢？

分布式存储中的数据复制服务大多数是一种尽力而为的服务模型，不保证必定成功，针对同步失败，依赖于具体系统的处理方案。好比能够约束向客户端返回写入成功的前提条件，包括数据是否写入主节点、数据是否写入必定数量的节点等等，而后采起相应的补偿事务，最终保证数据的一致性。

前面花了很大的篇幅来阐述数据同步问题，接下来谈谈第二个关键点，也就是从节点是否也能够提供读取数据的服务。我的以为，从节点若是能提供对外服务的话能够很好发挥出数据的局部性，位置相近的请求来源的延迟能够更低，固然可能会出现同步不及时的数据不一致情形，若是系统不太关心及时性的话那就无伤大雅。

最后再来讲说主节点选举机制，新的主节点能够是上级指定也能够是民主选举方式选出来的。

键值对存储数据库Redis采起的就是上级指定方式，Redis集群中有一个哨兵节点，它与主从节点保持固定心跳，在超时时间内联系不到主节点，则断定主节点为异常状态，而后将主节点中的一个从节点提高为新的主节点。另一种民主选举的方式使用的是共识算法，就是多个节点对某个节点是否成为新节点这个事情达到一致的见解，不论是主节点是真的异常，仍是网络问题致使误觉得主节点异常了。显然，民主选举须要保证在一个选举周期内不会出现多个主节点，好比消息引擎Kafka约定序列号最大的那个才是真正的主节点。

好，今天分享了如何理解分布式系统中的数据复制问题，但愿能帮助到你，欢迎分享给你的朋友们。

文章来源：www.liangsonghua.me

做者介绍：京东资深工程师-梁松华，在稳定性保障、敏捷开发、JAVA高级、微服务架构方面有深刻的理解