分布式也就是微服务中的一种体系结构，分布式结构就是一个完整的系统，按照业务功能，拆分成一个个独立的子系统，在分布式结构中，每个子系统就被称为“服务”。这些子系统能够独立运行在Web容器中，他们之间通过RPC方式通信。

分布式模式
- 数据并行/数据分布式模式（任务执行时间短，数据规模大、类型相同且无依赖）
- 任务并行/任务分布式模式（任务复杂、执行时间长，且任务可拆分为多个子任务）

性能:

吞吐量：系统在一定时间内可以处理的任务数，常见的性能指标有：

QPS：用于衡量一个系统每秒处理的查询数，如果应用主要是读操作，那么需要重点考虑如何提高QPS
TPS：用于衡量一个系统每秒处理的事务数，如果应用主要是写操作，那么需要重点考虑如何提高TPS
BPS：用于衡量一个系统每秒处理的数据量

分区容错（Partition tolerance）
- 由于分布式系统通过网络进行通信，网络是不可靠的。当任意数量的消息丢失或延迟到达时，系统仍会继续提供服务，不会挂掉。换句话说，分区容忍性是站在分布式系统的角度，对访问本系统的客户端的再一种承诺：我会一直运行，不管我的内部出现何种数据同步问题，强调的是不挂掉。
一致性（Consistency）
- 任何客户端的请求都能得到响应数据，不会出现响应错误。换句话说，可用性是站在分布式系统的角度，对访问本系统的客户的另一种承诺：我一定会给您返回数据，不会给你返回错误，但不保证数据最新，强调的是不出错。
可用性（Availability）
- 对于客户端的每次读操作，要么读到的是最新的数据，要么读取失败。换句话说，一致性是站在分布式系统的角度，对访问本系统的客户端的一种承诺：要么我给您返回一个错误，要么我给你返回绝对一致的最新数据，不难看出，其强调的是数据正确。

CAP如何取舍（CP系统、CA系统）

1.一个分布式系统最多只能同时满足一致性、可用性和分区容错性这三项中的两项。对于一个分布式系统而言，P是前提，必须保证
2.而根据一致性和可用性的选择不同，开源的分布式系统往往又被分为 CP 系统和 AP 系统

当一套系统在发生分区故障后，客户端的任何请求都被卡死或者超时，但是，系统的每个节点总是会返回一致的数据，则这套系统就是 CP 系统，经典的比如 Zookeeper。（追求CP: 用户请求支付,等待支付订单生成以及库存系统数据更新,再给用户返回结果追求强一致性缺点:用户体验差）
如果一套系统发生分区故障后，客户端依然可以访问系统，但是获取的数据有的是新的数据，有的还是老数据，那么这套系统就是 AP 系统，经典的比如 Eureka。（追求AP: 用户请求支付,立即给用户响应结果,异步处理库存系统放弃强一致性,采用最终一致性）

CAP误区

误解一：分布式系统因为 CAP 定理放弃了 C 或者 A 中的其中一个

解释：P发生分区问题的概率比较低，没有分区问题的时候，系统就应该有完美的数据一致性和可用性。

误解二：C和A之间的选择是针对整个分布式系统的，只能整体考虑C和 A之间的选择

解释：不同业务模块需要具体问题具体分析，财务流水是强一致性选C，会员的名字、支付设置可以选择可用性A，不是全部选A或者C

分布式学习（一）

全站热榜