消除单点，一篇搞定 | 架构设计篇

系统架构中，为何会存在单点？

(1)存在设计缺陷，出现了单点；
(2)能大大简化系统设计，有意为之，设置单点；

典型互联网高可用架构，哪些地方可能存在潜在单点？

典型互联网高可用架构：
(1)端，经过DNS，由域名拿到nginx的外网IP；
(2)反向代理，nginx是后端入口；
(3)站点应用，典型的是tomcat或者apache；
(4)服务，典型的是dubbo提供RPC服务调用；
(5)数据层，典型的是读写分离的db架构；

在这个互联网架构中，站点、服务、数据库的从库都容易经过冗余的方式来保证高可用，但：
(1)nginx是一个潜在的单点；
(2)数据库写库也是一个潜在的单点；

哪些例子，由于设计须要，有意设置的单点？

先看GFS（Google File System）架构的例子：

GFS的系统架构里主要有这么几种角色：
(1)client，就是发起文件读写的调用端；
(2)master，这是一个单点服务，它有全局视野，掌握文件元信息；
(3)chunk-server，实际存储文件的服务器；

在GFS系统里，master是一个单点服务。

Map-reduce系统里也有相似的角色，协调全局的master就是单点，它的存在，可以大大的简化系统架构设计。

不论是设计缺陷，仍是有意为之，像nginx，db-master，GFS-master这样的单点服务，会存在什么问题呢？

两个大问题：
(1)高可用问题：单点一旦发生故障，服务就会受到影响；
(2)性能瓶颈：单点不具有良好的扩展性，单点的性能上限每每就是整个系统的性能上限；

“高可用”问题一般怎么优化？

shadow-master是一种很常见的解决单点高可用问题的技术方案。

shadow-master，顾名思义，它只是单点master的一个shadow(影子)：
(1)master工做时，shadow-master只备份；
(2)master出现故障时，shadow-master会自动变成master，继续提供服务；

shadow-master它可以解决高可用的问题，而且故障的转移是自动的，不须要人工介入，但不足是它使资源的利用率降为了50%，业内常用keepalived+vip的方式实现这类单点的高可用。

以GFS的master为例，master正常时：
(1)client会链接正常的master，shadow-master不对外提供服务；
(2)master与shadow-master之间有一种存活探测机制；
(3)master与shadow-master有相同的虚IP；

当发现master异常时：
shadow-master会自动顶上成为master，虚IP机制能够保证这个过程对调用方是透明的。

除了GFS与MapReduce系统中的主控master，nginx和数据库的主库master亦可用相似的方式来保证高可用：

(1)两个主库设置相互同步的双主模式；
(2)平时只有一个主库提供服务；
(3)异常时，虚IP漂移到另外一个主库，shadow-master变成主库继续提供服务；

关于高可用，更多详细的内容，可参考《究竟啥才是互联网架构“高可用”》。

“性能瓶颈”问题一般怎么优化？

有时候，单点设计是有意为之，此时单点的性能（例如GFS中的master）有可能成为系统的瓶颈，那么，减小与单点的交互，便成了存在单点的系统优化的核心方向。

如何来减小与单点的交互，有两种常见的方法：
(1)批量写；
(2)客户端缓存；

如何利用“批量写”减小与单点的交互，提高总体性能？

举一个单点“ID生成器”的例子，不少公司会利用数据库的auto-inc-id，来做为一个严格递增的ID生成工具。

其交互流程是：
(1)调用方须要ID；
(2)插入记录，利用auto-inc-id来生成和返回ID；

此时，ID生成的并发上限，取决于单点数据库的插入性能上限。

如何利用“批量写”提高性能呢？

优化以下：
(1)增长一个服务，每次从DB拿出100个id；
(2)调用方须要ID；
(3)服务直接返回100个id中的1个，100个分配完，再访问DB；

这样一来，每分配100个才会写数据库一次，分配id的性能提高了100倍。

如何利用“客户端缓存”减小与单点的交互，提高总体性能？

仍是举GFS文件系统的栗子。

GFS文件读取的流程以下：
(1)GFS的调用客户端client要访问shenjian.txt，先查询本地缓存，miss了；
(2)client访问master问说文件在哪里，master告诉client在chunk3上；
(3)client把shenjian.txt存放在chunk3上记录到本地的缓存，而后进行文件的读写操做；
(4)将来client要访问文件，从本地缓存中查找到对应的记录，就不用再请求master了，能够直接访问chunk-server；

这类缓存的命中很是很是高，在99%以上（由于文件的自动迁移是小几率事件），这样与master的交互次数就下降了100倍。

批量写，客户端缓存，对性能的提高也有极限，单点性能优化还有没有其余方法？

不管怎么批量写，客户端缓存，单点毕竟是单机，仍是有性能上限的。

水平扩展，才可以无限的提高系统性能。

以nginx为例，如何来进行水平扩展呢？

第一步的DNS解析，只能返回一个nginx外网IP么？

经过DNS轮询，在DNS-server，一个域名能够配置多个IP，每次DNS解析请求，轮询返回不一样的IP，就能实现nginx的水平扩展，扩充负载均衡层的总体性能。

数据库单点写库也是一样的道理，在数据量很大的状况下，能够经过水平拆分，来提高写入性能。

关于性能扩展，更多详细的内容，可参考《究竟啥才是互联网架构“可扩展”》。

总结

今天的内容不少，但愿行文有逻辑：
(1)单点系统存在的问题：可用性问题，性能瓶颈问题；
(2)shadow-master是一种常见高可用方案；
(3)减小与单点的交互，是单点系统优化的核心方向，常见方法有：批量写，客户端缓存；
(4)水平扩展，才能作到理论上的无限性能；

思路比结论重要。

架构师之路-分享可落地的技术文章

推荐阅读：《究竟啥才是互联网架构“一致性”》《究竟啥才是互联网架构“高可用”》《究竟啥才是互联网架构“可扩展”》