分佈式系統各個節點狀態如何同步？淺談一下

寫在前面：2020年面試必備的Java後端進階面試題總結了一份複習指南在Github上，內容詳細，圖文並茂，有須要學習的朋友能夠Star一下！
GitHub地址：https://github.com/abel-max/Java-Study-Note/tree/master

一:簡介

分佈式系統（distributed system）正變得愈來愈重要，大型網站幾乎都是分佈式的。 分佈式系統的最大難點，就是各個節點的狀態如何同步。CAP 定理是這方面的基本定理，也是理解分佈式系統的起點。

通常來說,在高併發狀況下,cap三者選其二,但實際上只有兩種選擇,一種爲cp,一種爲ap。

二: Partition tolerance

先看 Partition tolerance，中文叫作"分區容錯"。

系統若是不能在時限內達成數據一致性,意味着發生了分區的狀況,須要在C和A做選擇.

大多數分佈式系統都分佈在多個子網絡。每一個子網絡就叫作一個區（partition）。分區容錯的意思是，區間通訊可能失敗。好比，一臺服務器放在中國，另外一臺服務器放在美國，這就是兩個區，它們之間可能沒法通訊。

上圖中，G1 和 G2 是兩臺跨區的服務器。G1 向G2 發送一條消息，G2 可能沒法收到。系統設計的時候，必須考慮到這種狀況。

通常來講，分區容錯沒法避免，所以能夠認爲 CAP 的 P 老是成立。CAP 定理告訴咱們，剩下的 C 和 A 沒法同時作到。

三: Consistency

Consistency中文叫作"一致性"。意思是，寫操做以後的讀操做，必須返回該值。舉例來講，某條記錄是 v0，用戶向 G1 發起一個寫操做，將其改成 v1。

全部節點訪問同一份最新數據副本

接下來，用戶的讀操做就會獲得 v1。這就叫一致性。

問題是，用戶有可能向 G2 發起讀操做，因爲 G2 的值沒有發生變化，所以返回的是 v0。G1 和 G2 讀操做的結果不一致，這就不知足一致性了。

爲了讓 G2 也能變爲 v1，就要在 G1 寫操做的時候，讓 G1 向 G2 發送一條消息，要求G2 也改爲 v1。

這樣的話，用戶向 G2 發起讀操做，也能獲得 v1。

四:Availability

Availability中文叫作"可用性"，意思是隻要收到用戶的請求，服務器就必須給出迴應。

對數據更新具有高可用性

用戶能夠選擇向 G1 或G2 發起讀操做。不論是哪臺服務器，只要收到請求，就必須告訴用戶，究竟是 v0 仍是 v1，不然就不知足可用性。

5、Consistency 和 Availability 的矛盾

一致性和可用性，爲何不可能同時成立？答案很簡單，由於可能通訊失敗（即出現分區容錯）。

若是保證 G2 的一致性，那麼 G1 必須在寫操做時，鎖定 G2 的讀操做和寫操做。只有數據同步後，才能從新開放讀寫。鎖按期間，G2 不能讀寫，沒有可用性不。

若是保證 G2 的可用性，那麼勢必不能鎖定 G2，因此一致性不成立。

綜上所述，G2 沒法同時作到一致性和可用性。系統設計時只能選擇一個目標。若是追求一致性，那麼沒法保證全部節點的可用性；若是追求全部節點的可用性，那就無法作到一致性。

六:在什麼場合，可用性高於一致性？

舉例來講，發佈一張網頁到 CDN，多個服務器有這張網頁的副本。後來發現一個錯誤，須要更新網頁，這時只能每一個服務器都更新一遍。

通常來講，網頁的更新不是特別強調一致性。短時期內，一些用戶拿到老版本，另外一些用戶拿到新版本，問題不會特別大。可是每一個用戶訪問之後,必須馬上有返回值,固然，全部人最終都會看到新版本。因此，這個場合就是可用性高於一致性。

七:三者選二者例子

1. CAwihtout P:單機數據庫 沒有分區的就不會存在分區容錯性,因此c和a能同時知足。
2. CPwithout A:傳統數據庫分佈式事務 不是過度強調可用性,及不是那麼強調性能,真正的目的是保證數據的正確性。
3. APwithout C:衆多的NOSQL 不須要知足一致性,通常nosql做爲緩存使用,強調的是性能,真正準確的數據是保存在數據庫中的,最終結果會保持正確。

八:總結

目前看來,在分佈式系統中,p是基本會存在的,就是網絡間同步數據的延遲，而c也就是一致性保證的是特定時間內數據的一致性,就忽略了性能問題，而a也就是可用性,強調的是馬上返回結果,強調的是性能,那麼一定會出現數據不一致，根據不一樣的業務場景進行設計,要充分利用三者特性。