架构杂谈《三》

架构杂谈《三》 一致性问题

  前面的《架构杂谈一》和《架构杂谈二》 杂谈了从服务化到微服务架构的演进,并肯定了服务化和微服务架构是一脉相承的。微服务在服务化架构的基础上,对服务化的细节和方案进行了优化和细化,重点突出了无中心化管理的微服务架构,通过对服务进行有效的拆分来实现敏捷开发和自动化部署,并在海量用户的请求下,提高了微服务架构下较细粒度的水平伸缩能力。

  然而,微服务架构并不是万能的它可以说就是一把双刃剑,我们在享受它带来的便利的同时,也会遇到数据和服务之间不一致性的问题,在为服务架构下多个服务通过非可靠的网络通信,如何让服务之间高效的通信和协作,如何解决系统之间状态不一致等问题,这可以说是我们在使用微服务架构后不得不面对的问题。

1、什么是一致性

  一致性是一个抽象的概念,在不同的场景下有不同的含义,在传统IT时代,一致性通常指强一致性,在杂谈互联网时代的一致性之前,我们先了解一下互联网时代的特点:

互联网时代信息量大,需要非常强大的计算能力

互联网时代要求对用户的响应速度快,还要求吞吐量指标向外扩展(水平伸缩)

  通过这些个互联网时代的特点分析后,我们发现单节点的服务器无法满足人们的需求,服务节点开始池化。但是池化不是越多越好的(常言说,人多不一定能解决所有问题),还得有序、合理的分配任务,并有效的进行管理,于是在互联网时代讨论最多的话题就是拆分。拆分又一般分为水平和垂直,这不单指对数据库或者缓存的拆分,主要是表达一种分而治之的思想和逻辑

 水平拆分:由于单一节点无法满足性能的需求,需要扩展成多个节点,多个节点之间具有一致的功能,组成一个服务池,一个节点服务一部分的请求量,所有节点共同处理大规模的高并发的请求量。

 垂直拆分:按照功能进行拆分,把一个复杂的功能拆分成多个单一、简单的功能,由于每个功能职责单一、简单,使得维护和变更变的更容易、简单和安全,所以更易于产品迭代,还能够快速地进行敏捷发布和上线。

  在这样的一个互联网时代,一致性指分布式服务化之间的弱一致性,包括应用系统的一致性和数据的一致性。

  无论是水平还是垂直拆分,都解决了特定场景下的特定问题,然而,拆分后的系统或者服务化的系统的最大问题就是一致性问题。

2、解决一致性问题的思路

  1、ACID

    如何保证一致性问题呢?我们在学习关系性数据库时都学习了ACID原理,这里简单的对ACID做个介绍。

    A:原子性

    C:一致性

     I:隔离性

    D:持久性

    具有ACID特性的数据库支持强一致性,强一致性代表数据库本身不会出现不一致,每个事务都是原子的(要么成功要么失败),事务间是隔离的,互相不受影响。最终状态是持久的。因此,数据库会从一个明确的状态过渡到另外一个明确的状态,中间的临时状态是不会出现的。如果出现也会及时地自动修复,因此是强一致性的。然而,前面提到,互联网项目大多数具有大规模、高并发的特性,必须使用拆分的理念。即使使用关系型数据库,单机是难以满足存储和吞吐量上的性能需求。由于业务规则的限制,我们无法将相关数据分到同一个数据库分片,这时就需要实现最终一致性。

  2、CAP 

  由于对系统或者数据进行了拆分,我们的系统不再是单机系统,而是分布式系统。针对分布式系统的CAP原理有三个元素。

  C:一致性。在分布式系统中的所有数据备份,在统一时刻具有相同的值,所有节点在同一时刻读取的数据都是最新的数据副本。(Consistency)

  A:可用性,好的响应性能。完全的可用性指的是在任何故障模型下,服务都会在有限的时间内处理完成并进行响应。(Availability)

  P:分区容忍性。尽管网络上有部分消息丢失,但系统仍然可继续工作。(Partition tolerance)

  CAP原理说明,任何分布式系统只可满足以上两点,无法三者兼顾。由于关系型数据库是单节点无复制的,因此不具有分区容忍性,但是具有一致性和可用性。而分布式的服务化系统都需要满足分区容忍性,这就需要我们在一致性和可用性两者中进行权衡选择。

  3、BASE

  eBay的架构师Dan Pritchett源于对大规模分布式系统的实践总结,在ACM上发表文章提出BASE理论,BASE理论是对CAP理论的延伸,核心思想是即使无法做到强一致性(Strong Consistency,CAP的一致性就是强一致性),但应用可以采用适合的方式达到最终一致性(Eventual Consitency)。(BASE 思想解决了CAP提出的分布式系统的一致性和可用性不可兼得的问题)

内容版权声明:除非注明,否则皆为本站原创文章。

转载注明出处:https://www.heiqu.com/wpygsd.html