259 lines
14 KiB
Markdown
259 lines
14 KiB
Markdown
<!-- GFM-TOC -->
|
||
* [一、分布式事务](#一分布式事务)
|
||
* [本地消息](#本地消息)
|
||
* [两阶段提交协议](#两阶段提交协议)
|
||
* [二、分布式锁](#二分布式锁)
|
||
* [原理](#原理)
|
||
* [实现](#实现)
|
||
* [三、分布式 Session](#三分布式-session)
|
||
* [四、负载均衡](#四负载均衡)
|
||
* [算法](#算法)
|
||
* [实现](#实现)
|
||
* [参考资料](#参考资料)
|
||
<!-- GFM-TOC -->
|
||
|
||
|
||
# 一、分布式事务
|
||
|
||
指事务的操作位于不同的节点上，需要保证事务的 AICD 特性。例如在下单场景下，库存和订单如果不在同一个节点上，就需要涉及分布式事务。
|
||
|
||
## 本地消息
|
||
|
||
### 1. 原理
|
||
|
||
本地消息表与业务数据表处于同一个数据库中，这样就能利用本地事务来保证在对这两个表的操作满足事务特性。
|
||
|
||
1. 在分布式事务操作的一方，它完成写业务数据的操作之后向本地消息表发送一个消息，本地事务能保证这个消息一定会被写入本地消息表中。
|
||
2. 之后将本地消息表中的消息转发到 Kafka 等消息队列（MQ）中，如果转发成功则将消息从本地消息表中删除，否则继续重新转发。
|
||
3. 在分布式事务操作的另一方从消息队列中读取一个消息，并执行消息中的操作。
|
||
|
||
<div align="center"> <img src="../pics//e3bf5de4-ab1e-4a9b-896d-4b0ad7e9220a.jpg"/> </div><br>
|
||
|
||
### 2. 分析
|
||
|
||
本地消息表利用了本地事务来实现分布式事务，并且使用了消息队列来保证最终一致性。
|
||
|
||
## 两阶段提交协议
|
||
|
||
[2PC](https://github.com/CyC2018/Interview-Notebook/blob/master/notes/%E4%B8%80%E8%87%B4%E6%80%A7.md)
|
||
|
||
# 二、分布式锁
|
||
|
||
可以使用 Java 提供的内置锁来实现进程同步：由 JVM 实现的 synchronized 和 JDK 提供的 Lock。但是在分布式场景下，需要同步的进程可能位于不同的节点上，那么就需要使用分布式锁来同步。
|
||
|
||
## 原理
|
||
|
||
锁可以有阻塞锁和乐观锁两种实现方式，这里主要探讨阻塞锁实现。阻塞锁通常使用互斥量来实现，互斥量为 1 表示有其它进程在使用锁，此时处于锁定状态，互斥量为 0 表示未锁定状态。1 和 0 可以用一个整型值来存储，也可以用某个数据存在或者不存在来存储，某个数据存在表示互斥量为 1，也就是锁定状态。
|
||
|
||
## 实现
|
||
|
||
### 1. 数据库的唯一索引
|
||
|
||
当想要获得锁时，就向表中插入一条记录，释放锁时就删除这条记录。唯一索引可以保证该记录只被插入一次，那么就可以用这个记录是否存在来判断是否存于锁定状态。
|
||
|
||
这种方式存在以下几个问题：
|
||
|
||
- 锁没有失效时间，解锁失败会导致死锁，其他线程无法再获得锁。
|
||
- 只能是非阻塞锁，插入失败直接就报错了，无法重试。
|
||
- 不可重入，同一线程在没有释放锁之前无法再获得锁。
|
||
|
||
### 2. Redis 的 SETNX 指令
|
||
|
||
使用 SETNX（set if not exist）指令插入一个键值对，如果 Key 已经存在，那么会返回 False，否则插入成功并返回 True。
|
||
|
||
SETNX 指令和数据库的唯一索引类似，可以保证只存在一个 Key 的键值对，可以用一个 Key 的键值对是否存在来判断是否存于锁定状态。
|
||
|
||
EXPIRE 指令可以为一个键值对设置一个过期时间，从而避免了死锁的发生。
|
||
|
||
### 3. Redis 的 RedLock 算法
|
||
|
||
使用了多个 Redis 实例来实现分布式锁，这是为了保证在发生单点故障时仍然可用。
|
||
|
||
- 尝试从 N 个相互独立 Redis 实例获取锁，如果一个实例不可用，应该尽快尝试下一个。
|
||
- 计算获取锁消耗的时间，只有当这个时间小于锁的过期时间，并且从大多数（N/2+1）实例上获取了锁，那么就认为锁获取成功了。
|
||
- 如果锁获取失败，会到每个实例上释放锁。
|
||
|
||
### 4. Zookeeper 的有序节点
|
||
|
||
Zookeeper 是一个为分布式应用提供一致性服务的软件，例如配置管理、分布式协同以及命名的中心化等，这些都是分布式系统中非常底层而且是必不可少的基本功能，但是如果自己实现这些功能而且要达到高吞吐、低延迟同时还要保持一致性和可用性，实际上非常困难。
|
||
|
||
**（一）抽象模型**
|
||
|
||
Zookeeper 提供了一种树形结构级的命名空间，/app1/p_1 节点表示它的父节点为 /app1。
|
||
|
||
<div align="center"> <img src="../pics//31d99967-1171-448e-8531-bccf5c14cffe.jpg" width="400"/> </div><br>
|
||
|
||
**（二）节点类型**
|
||
|
||
- 永久节点：不会因为会话结束或者超时而消失；
|
||
- 临时节点：如果会话结束或者超时就会消失；
|
||
- 有序节点：会在节点名的后面加一个数字后缀，并且是有序的，例如生成的有序节点为 /lock/node-0000000000，它的下一个有序节点则为 /lock/node-0000000001，依次类推。
|
||
|
||
**（三）监听器**
|
||
|
||
为一个节点注册监听器，在节点状态发生改变时，会给客户端发送消息。
|
||
|
||
**（四）分布式锁实现**
|
||
|
||
- 创建一个锁目录 /lock；
|
||
- 在 /lock 下创建临时的且有序的子节点，第一个客户端对应的子节点为 /lock/lock-0000000000，第二个为 /lock/lock-0000000001，以此类推；
|
||
- 客户端获取 /lock 下的子节点列表，判断自己创建的子节点是否为当前子节点列表中序号最小的子节点，如果是则认为获得锁；否则监听自己的前一个子节点，获得子节点的变更通知后重复此步骤直至获得锁；
|
||
- 执行业务代码，完成后，删除对应的子节点。
|
||
|
||
**（五）会话超时**
|
||
|
||
如果一个已经获得锁的会话超时了，因为创建的是临时节点，所以该会话对应的临时节点会被删除，其它会话就可以获得锁了。可以看到，Zookeeper 分布式锁不会出现数据库的唯一索引实现分布式锁的死锁问题。
|
||
|
||
**（六）羊群效应**
|
||
|
||
一个节点未获得锁，需要监听自己的前一个子节点，这是因为如果监听所有的子节点，那么任意一个子节点状态改变，其它所有子节点都会收到通知（羊群效应），而我们只希望它的后一个子节点收到通知。
|
||
|
||
# 三、分布式 Session
|
||
|
||
在分布式场景下，一个用户的 Session 如果只存储在一个服务器上，那么当负载均衡器把用户的下一个请求转发到另一个服务器上，该服务器没有用户的 Session，就可能导致用户需要重新进行登录等操作。
|
||
|
||
<div align="center"> <img src="../pics//cookiedata.png"/> </div><br>
|
||
|
||
### 1. Sticky Sessions
|
||
|
||
需要配置负载均衡器，使得一个用户的所有请求都路由到一个服务器节点上，这样就可以把用户的 Session 存放在该服务器节点中。
|
||
|
||
缺点：当服务器节点宕机时，将丢失该服务器节点上的所有 Session。
|
||
|
||
<div align="center"> <img src="../pics//MultiNode-StickySessions.jpg"/> </div><br>
|
||
|
||
### 2. Session Replication
|
||
|
||
在服务器节点之间进行 Session 同步操作，这样的话用户可以访问任何一个服务器节点。
|
||
|
||
缺点：需要更好的服务器硬件条件；需要对服务器进行配置。
|
||
|
||
<div align="center"> <img src="../pics//MultiNode-SessionReplication.jpg"/> </div><br>
|
||
|
||
### 3. Persistent DataStore
|
||
|
||
将 Session 信息持久化到一个数据库中。
|
||
|
||
缺点：有可能需要去实现存取 Session 的代码。
|
||
|
||
<div align="center"> <img src="../pics//MultiNode-SpringSession.jpg"/> </div><br>
|
||
|
||
### 4. In-Memory DataStore
|
||
|
||
可以使用 Redis 和 Memcached 这种内存型数据库对 Session 进行存储，可以大大提高 Session 的读写效率。内存型数据库同样可以持久化数据到磁盘中来保证数据的安全性。
|
||
|
||
# 四、负载均衡
|
||
|
||
## 算法
|
||
|
||
### 1. 轮询（Round Robin）
|
||
|
||
轮询算法把每个请求轮流发送到每个服务器上。下图中，一共有 6 个客户端产生了 6 个请求，这 6 个请求按 (1, 2, 3, 4, 5, 6) 的顺序发送。最后，(1, 3, 5) 的请求会被发送到服务器 1，(2, 4, 6) 的请求会被发送到服务器 2。
|
||
|
||
<div align="center"> <img src="../pics//2766d04f-7dad-42e4-99d1-60682c9d5c61.jpg"/> </div><br>
|
||
|
||
该算法比较适合每个服务器的性能差不多的场景，如果有性能存在差异的情况下，那么性能较差的服务器可能无法承担过大的负载（下图的 Server 2）。
|
||
|
||
<div align="center"> <img src="../pics//f7ecbb8d-bb8b-4d45-a3b7-f49425d6d83d.jpg"/> </div><br>
|
||
|
||
### 2. 加权轮询（Weighted Round Robbin）
|
||
|
||
加权轮询是在轮询的基础上，根据服务器的性能差异，为服务器赋予一定的权值。例如下图中，服务器 1 被赋予的权值为 5，服务器 2 被赋予的权值为 1，那么 (1, 2, 3, 4, 5) 请求会被发送到服务器 1，(6) 请求会被发送到服务器 2。
|
||
|
||
<div align="center"> <img src="../pics//211c60d4-75ca-4acd-8a4f-171458ed58b4.jpg"/> </div><br>
|
||
|
||
### 3. 最少连接（least Connections）
|
||
|
||
由于每个请求的连接时间不一样，使用轮询或者加权轮询算法的话，可能会让一台服务器当前连接数过大，而另一台服务器的连接过小，造成负载不均衡。例如下图中，(1, 3, 5) 请求会被发送到服务器 1，但是 (1, 3) 很快就断开连接，此时只有 (5) 请求连接服务器 1；(2, 4, 6) 请求被发送到服务器 2，只有 (2) 的连接断开。该系统继续运行时，服务器 2 会承担过大的负载。
|
||
|
||
<div align="center"> <img src="../pics//3b0d1aa8-d0e0-46c2-8fd1-736bf08a11aa.jpg"/> </div><br>
|
||
|
||
最少连接算法就是将请求发送给当前最少连接数的服务器上。例如下图中，服务器 1 当前连接数最小，那么新到来的请求 6 就会被发送到服务器 1 上。
|
||
|
||
<div align="center"> <img src="../pics//1f4a7f10-52b2-4bd7-a67d-a9581d66dc62.jpg"/> </div><br>
|
||
|
||
### 4. 加权最少连接（Weighted Least Connection）
|
||
|
||
在最少连接的基础上，根据服务器的性能为每台服务器分配权重，再根据权重计算出每台服务器能处理的连接数。
|
||
|
||
<div align="center"> <img src="../pics//44edefb7-4b58-4519-b8ee-4aca01697b78.jpg"/> </div><br>
|
||
|
||
### 5. 随机算法（Random）
|
||
|
||
把请求随机发送到服务器上。和轮询算法类似，该算法比较适合服务器性能差不多的场景。
|
||
|
||
<div align="center"> <img src="../pics//0ee0f61b-c782-441e-bf34-665650198ae0.jpg"/> </div><br>
|
||
|
||
### 6. 源地址哈希法 (IP Hash)
|
||
|
||
源地址哈希通过对客户端 IP 哈希计算得到的一个数值，用该数值对服务器数量进行取模运算，取模结果便是目标服务器的序号。
|
||
|
||
- 优点：保证同一 IP 的客户端都会被 hash 到同一台服务器上。
|
||
- 缺点：不利于集群扩展，后台服务器数量变更都会影响 hash 结果。可以采用一致性 Hash 改进。
|
||
|
||
<div align="center"> <img src="../pics//2018040302.jpg"/> </div><br>
|
||
|
||
## 实现
|
||
|
||
### 1. HTTP 重定向
|
||
|
||
HTTP 重定向负载均衡服务器收到 HTTP 请求之后会返回服务器的地址，并将该地址写入 HTTP 重定向响应中返回给浏览器，浏览器收到后需要再次发送请求。
|
||
|
||
缺点：
|
||
|
||
- 用户访问的延迟会增加；
|
||
- 如果负载均衡器宕机，就无法访问该站点。
|
||
|
||
<div align="center"> <img src="../pics//10bdf7bf-0daa-4a26-b927-f142b3f8e72b.png"/> </div><br>
|
||
|
||
### 2. DNS 重定向
|
||
|
||
使用 DNS 作为负载均衡器，根据负载情况返回不同服务器的 IP 地址。大型网站基本使用了这种方式做为第一级负载均衡手段，然后在内部使用其它方式做第二级负载均衡。
|
||
|
||
缺点：
|
||
|
||
- DNS 查找表可能会被客户端缓存起来，那么之后的所有请求都会被重定向到同一个服务器。
|
||
|
||
<div align="center"> <img src="../pics//f8b16d1e-7363-4544-94d6-4939fdf849dc.png"/> </div><br>
|
||
|
||
### 3. 修改 MAC 地址
|
||
|
||
使用 LVS（Linux Virtual Server）这种链路层负载均衡器，根据负载情况修改请求的 MAC 地址。
|
||
|
||
<div align="center"> <img src="../pics//f0e35b7a-2948-488a-a5a9-97d3f6b5e2d7.png"/> </div><br>
|
||
|
||
### 4. 修改 IP 地址
|
||
|
||
在网络层修改请求的目的 IP 地址。
|
||
|
||
<div align="center"> <img src="../pics//265a355d-aead-48aa-b455-f33b62fe729f.png"/> </div><br>
|
||
|
||
### 5. 代理自动配置
|
||
|
||
正向代理与反向代理的区别：
|
||
|
||
- 正向代理：发生在客户端，是由用户主动发起的。比如翻墙，客户端通过主动访问代理服务器，让代理服务器获得需要的外网数据，然后转发回客户端。
|
||
- 反向代理：发生在服务器端，用户不知道代理的存在。
|
||
|
||
PAC 服务器是用来判断一个请求是否要经过代理。
|
||
|
||
<div align="center"> <img src="../pics//52e1af6f-3a7a-4bee-aa8f-fcb5dacebe40.jpg"/> </div><br>
|
||
|
||
|
||
|
||
# 参考资料
|
||
|
||
- [Comparing Load Balancing Algorithms](http://www.jscape.com/blog/load-balancing-algorithms)
|
||
- [负载均衡算法及手段](https://segmentfault.com/a/1190000004492447)
|
||
- [Redirection and Load Balancing](http://slideplayer.com/slide/6599069/#)
|
||
- [Session Management using Spring Session with JDBC DataStore](https://sivalabs.in/2018/02/session-management-using-spring-session-jdbc-datastore/)
|
||
- [Apache Wicket User Guide - Reference Documentation](https://ci.apache.org/projects/wicket/guide/6.x/)
|
||
- [集群/分布式环境下 5 种 Session 处理策略](http://blog.csdn.net/u010028869/article/details/50773174?ref=myread)
|
||
- [浅谈分布式锁](http://www.linkedkeeper.com/detail/blog.action?bid=1023)
|
||
- [深入理解分布式事务](https://juejin.im/entry/577c6f220a2b5800573492be)
|
||
- [分布式系统的事务处理](https://coolshell.cn/articles/10910.html)
|
||
- [关于分布式事务](http://blog.csdn.net/suifeng3051/article/details/52691210)
|
||
- [基于 Zookeeper 的分布式锁](http://www.dengshenyu.com/java/%E5%88%86%E5%B8%83%E5%BC%8F%E7%B3%BB%E7%BB%9F/2017/10/23/zookeeper-distributed-lock.html)
|
||
- [微服务场景下的数据一致性解决方案](https://opentalk.upyun.com/310.html)
|
||
- [聊聊分布式事务，再说说解决方案](https://www.cnblogs.com/savorboard/p/distributed-system-transaction-consistency.html)
|