太上老君的炼丹炉之分布式 Quorum NWR

开发 前端 分布式
谓强一致性就是写操作完成后,任何后续访问都能读到更新后的值。这就是CP系统所要求的一致性和分区容错性。。

[[385139]]

“太白金星:听闻老君最近在练神丹妙药,可否与我一讲?

太上老君:老白啊,我最近在练六颗丹药:两颗延年丹、两颗健步丹、两颗恢复丹。

太白金星:那这三个八卦炉定是练这三件法宝的?

太上老君:正是正是。而且对于相同的丹药,功效和大小还得完全一样。”

三种丹药

 

一、三个炼丹炉怎么分配的“

太白金星:老君,你的八卦炉怎么分配的啊?

”让我们揭开老君的炼丹炉,看看六颗丹药是怎么分配的。

首先我们是很容易猜到丹炉是怎么分配炼丹的:

  • 一号丹炉炼两颗延年丹。
  • 二号丹炉炼两颗健步丹。
  • 三号丹炉炼两颗恢复丹。

太白金星认为的丹炉情况

 

那如此分配会有什么问题呢?

我们试想一下,如果一号丹炉因为炉火太高炸裂了,那么两颗延年丹定会失败。这和把鸡蛋放到一个篮子里面是一个道理。假如篮子不慎被打翻,里面的鸡蛋都掉出来,就都碎了。

“太上老君:老白,我把锅炉的盖子揭开给你看看你就知道了。”

  • 一号丹炉炼一颗延年丹和一颗健步丹。
  • 二号丹炉炼一颗延年丹和一颗恢复丹。
  • 三号丹炉炼一颗健步丹和一颗恢复丹。

丹炉实际分配情况

 

“太白金星:老君,为何要如此分配,每个丹药的火候可不那么好把控啊?

太上老君:老白,我可是炼丹大师,火候难不倒我。

太白金星:不愧是老君啊,这样即使有一个丹炉有问题,至少能保证一颗能炼成,而不是两颗都毁了。”

映射到我们互联网系统中:丹炉类似于服务器节点或数据库节点,通过多个节点来相互备份数据来保证系统的高可用性(High Availability)。

二、如何保证丹药品质一样

2.1 一致性

“太白金星:老君,你刚提到,两颗延年丹需要保证功效一样,大小一样?

太上老君:确实如此,丹药品质必须保持一致,我炼的都是九品丹药,药效差一点则是千差万别。”

太上老君说的品质保持一致到底怎么回事?

一号丹炉里面的延年丹和二号丹炉的延年丹如何保证品质一致呢?

这不就是我们常常说的分布式一致性吗?两颗丹药分布在不同的丹炉中,需要保证品质一致。

如下图所示,这两颗延年丹的一大一小,颜色也有不同,这就是品质不一样。

品质不一样

 

而在架构设计中,比如请求访问到不同的数据库,查到的数据都是一样的,这就是一致性。

如下图所示:浏览器访问数据库 1 和数据库 2 中的数据 A,结果返回的都是 A = 1。

分布式系统中的一致性

 

2.2 最终一致性和强一致性

分布式中的一致性又分为最终一致性和强一致性。

所谓强一致性就是写操作完成后,任何后续访问都能读到更新后的值。这就是CP系统所要求的一致性和分区容错性。。

那放到炼丹中怎么理解?

比如老君给一号丹炉的延年丹加入了莲花这种药材,给二号丹炉的延年丹也这么操作,那么老白揭开炉盖看到的两颗延年丹的成分是一样的。

而最终一致性就是不保证后续访问都能读到更新后的值,但是经过一段时间后,再去读,就能得到相同的值。也就是说,在这段时间内,可能读到旧的数据。这就是AP系统所要求的可用性和分区容错性。

放到炼丹中怎么理解?

比如老君给一号丹炉的延年丹加入了莲花,而经过了一个时辰后,才给二号丹炉加雪莲,那么在这个时辰内,看到的两颗延年丹的成分就不一样了。但经过一个时辰后,最终成分一样。

三、可控的品质:Quorum NWR 协议

“假如延年丹必须保证品质的强一致性,而健步丹只需要保证品质的最终一致性,这个该怎么控制呢?

”这个可没有难倒老君,因为老君懂得分布式协议:Quorum NWR。

Quorum 这个单词的意思:(会议的)法定人数。主要是看后面三个大写字母:N、W、R。由 NWR 来控制一致性。

3.1 参数 N

我们还是来看下丹炉中的情况,两颗延年丹是互为备份的,相当于有两个副本。

N 称作副本数,又叫做复制因子(Replication Factor)。表示同一份数据有多少个副本,所以:延年丹的 N = 2。依次类推:健步丹的 N = 2,恢复丹的 N = 2。如下图所示:

丹药的副本数一样

 

那 N 可以变吗?

如下图所示:比如我想炼 3 颗延年丹,也就是每个丹炉都有延年丹,那就把 N 改成 3 就可以了。而健步丹只需要炼一颗足以,那一号丹炉炼就可以了,所以N = 1。

多个丹药的副本数不一样

 

3.2 参数 W

指定了副本数 N 之后,就可以对副本数据进行读写操作。

  • 读操作:查看所在丹炉内丹药的情况。
  • 写操作:给丹药添加药材、提高温度。

那多个丹药该如何执行读写操作呢?对于写操作,我们有 W 参数,对于读操作,我们有 R 参数。

W 称为写一致性级别(Write Consistency Level),表示成功完成 W 个副本更新,才完成写操作。

比如设置延年丹的 W = 2,表示对延年丹执行写操作时,完成了 2 个副本的更新时,才完成写操作。

如下图所示:一号丹炉和二号丹炉中的延年丹都加入了莲花,而三号丹炉中的延年丹未加入莲花。也就是只完成了两个副本的更新,符合 W = 2 这个条件,即写操作完成。

两个延年丹加入了莲花

 

但是大家发现问题没,三号丹炉的延年丹未加入莲花,那怎么保证太上老君查看丹药情况时,得知是已加入莲花呢?也就是如何保证读写的强一致性,这就要用到第三个参数了:R。

3.3 参数 R

R 称为读一致性级别(Read Consistency Level),表示读取一个数据对象时,需要读 R 个副本,然后返回 R 个副本中最新的那份数据。

回到炼丹的问题中,设置延年丹的 R = 2,也就是查看延年丹的情况时,只需要查看两个丹炉内的延年丹的情况,然后返回最新的延年丹的情况就可以了。

  • 假设查看的是一号和二号丹炉内的延年丹,返回的情况都是:已加入莲花。这种场景是一致性的。
  • 假设查看的是一号和三号丹炉内的延年丹,一号丹炉的延年丹是已加入莲花,三号丹炉是未加入莲花,但是三号丹炉内的延年丹最后一次操作时间是早于一号丹炉的,所以返回一号丹炉内延年丹的情况:已加入莲花。这种场景也是一致性的。

通过上面的两种场景,我们知道,通过设置 R = 2,即使读到第三份未更新的数据,也能返回更新后的数据,实现强一致性。

3.4 参数组合

参数 N、W、R 的不同组合将会带来不同的一致性效果。

  • 比如上面的例子,N = 3,W = 2,R = 2,W + R > N,对于客户端来讲,整个系统能保证强一致性,一定能返回更新后的那份数据。
  • 当 W + R <= N 时,对于客户端来讲,整个系统只能保证最终一致性,访问数据期间可能会返回旧数据。

参数不同,效果不同,分布式系统需要根据不同场景来配置。

四、应用

InfluxDB 企业版是时序数据库,它有四种写一致性级别:

  • any:W + R < N,W = 1,任何一个节点写入成功后,或者写入 Hinted-handoff 缓存(等下次重传),返回成功给客户端。
  • one:W + R < N,W = 1,任何一个节点写入成功后,立即返回成功给客户端,不包括写入 Hinted-handoff 缓存
  • quorum:W + R > N,大多数节点写入成功后,就返回成功给客户端。(要求 N 大于2)
  • all:W = N,所有节点都写入成功后,返回成功。

另外对于 时序数据库 InfluxDB 来说,读操作需要读取大量数据,为了保证读取的高效,它不支持读一致性级别(R = N),但是可以通过设置写一致性级别为 all,来实现强一致性。

InfluxDb 实现了 Quorum NWR,当线上业务需要临时做些一致性调整时,设置不同的写一致性级别即可完成快速切换。

五、总结

本文通过太上老君和太白金星关于炼丹的对话,引申出自定义一致性的分布式协议:Quorum NWR 协议。

  • 丹炉比喻节点,丹药比作数据,多个丹药称作副本。
  • N 代表副本数,W 代表写多少个副本数,R 代表读多少个副本数。
  • 当 N 大于节点数时,就会出现一个节点存在多个副本的情况,这个节点故障时,多个副本会受到影响。
  • W + R > N 时,代表强一致性。
  • W = N 时,读性能好。R = N,写性能好。
  • W = R = (N+1)/2,容错能力好,能容忍 少数节点(也就是(N-1)/2) 个节点故障。
  • 如何设置 N、W、R 值,取决于我们的系统该往哪方面优化。
  • Quorum NWR 分布式算法给业务提供了按需选择一致性级别的灵活度,弥补了 AP 型系统缺乏强一致性的缺点。
  • 本文转载自微信公众号「悟空聊架构」,可以通过以下二维码关注。转载本文请联系悟空聊架构公众号。

 

责任编辑:武晓燕 来源: 悟空聊架构
相关推荐

2010-02-25 13:43:54

秘钥

2023-02-11 00:04:17

分布式系统安全

2020-09-29 19:20:05

鸿蒙

2015-05-20 15:54:04

Openstack分布式存储

2021-09-07 10:43:25

EverDB分布式执行

2020-11-06 12:12:35

HarmonyOS

2022-09-25 22:19:24

Dapr分布式追踪

2021-01-19 05:43:33

分布式2PC3PC

2023-02-23 07:55:41

2022-04-08 07:22:15

分布式计数器系统设计

2024-01-08 08:05:08

分开部署数据体系系统拆分

2017-04-21 12:44:34

PaxosQuorum微信

2024-01-09 08:00:58

2021-08-26 08:03:30

大数据Zookeeper选举

2021-11-10 16:10:18

鸿蒙HarmonyOS应用

2021-12-14 10:16:00

鸿蒙HarmonyOS应用

2019-06-19 15:40:06

分布式锁RedisJava

2023-12-08 07:31:19

服务网格协同分布式

2023-02-13 00:20:08

分布式系统安全

2021-02-24 16:17:18

架构运维技术
点赞
收藏

51CTO技术栈公众号