高並發服務端分布式系統設計概要（上）
======張峻崇 原創。轉載請注明出處。======
又是快一年沒寫博客了，2013年也只剩尾巴，也不知道今年都忙了些什么。寫這篇文章的目的，主要是把今年以來學習的一些東西積淀下來，同時作為之前文章《高性能分布式計算與存儲系統設計概要》的補充與提升，然而本人水平非常有限，回頭看之前寫的文章也有許多不足，甚至是錯誤，希望同學們看到了錯誤多多見諒，更歡迎與我討論並指正。
好了，下面開始說我們今天要設計的系統。
這個系統的目標很明確，針對千萬級以上PV的網站，設計一套用於后台的高並發的分布式處理系統。這套系統包含業務邏輯的處理、各種計算、存儲、日志、備份等方面內容，可用於類微博，SNS，廣告推送，郵件等有大量線上並發請求的場景。
如何抗大流量高並發？（不要告訴我把服務器買的再好一點）說起來很簡單，就是“分”，如何“分”，簡單的說就是把不同的業務分拆到不同的服務器上去跑（垂直拆分），相同的業務壓力分拆到不同的服務器去跑（水平拆分），並時刻不要忘記備份、擴展、意外處理等討厭的問題。說起來都比較簡單，但設計和實現起來，就會比較困難。以前我的文章，都是“從整到零”的方式來設計一個系統，這次咱們就反着順序來。
那我們首先來看，我們的數據應該如何存儲和取用。根據我們之前確定的“分”的方法，先確定以下2點：
（1）我們的分布式系統，按不同的業務，存儲不同的數據；（2）同樣的業務，同一個數據應存儲多份，其中有的存儲提供讀寫，而有的存儲只提供讀。
好，先解釋下這2點。對於（1）應該容易理解，比如說，我這套系統用於微博（就假想我們做一個山寨的推特吧，給他個命名就叫“山推” 好了，以下都叫山推，Stwi），那么，“我關注的人”這一個業務的數據，肯定和“我發了的推文”這個業務的數據是分開存儲的，那么我們現在把，每一個業務所負責的數據的存儲，稱為一個group。即以group的方式，來負責各個業務的數據的存儲。接下來說（2），現在我們已經知道，數據按業務拆到group里面去存取，那么一個group里面又應該有哪些角色呢？自然的，應該有一台主要的機器，作為group的核心，我們稱它為Group Master，是的，它就是這個group的主要代表。這個group的數據，在Group Master上應該都能找到，進行讀寫。另外，我們還需要一些輔助角色，我們稱它們為Group Slaves，這些slave機器做啥工作呢？它們負責去Group Master處拿數據，並盡量保持和它同步，並提供讀服務。請注意我的用詞，“盡量”，稍后將會解釋。現在我們已經有了一個group的基本輪廓：
一個group提供對外的接口（廢話否則怎么存取數據），group的底層可以是實際的File System，甚至是HDFS。Group Master和Group Slave可以共享同一個File System（用於不能丟數據的強一致性系統），也可以分別指向不同的File System（用於弱一致性，允許停寫服務和系統宕機時丟數據的系統），但總之應認為這個"File System"是無狀態，有狀態的是Group Master和各個Group Slave。
下面來說一個group如何工作，同步等核心問題。首先，一個group的Group Master和Group Slave
間應保持強一致性還是弱一致性（最終一致性）應取決於具體的業務需求，以我們的“山推”來說，Group Master和Group Slave並不要求保持強一致性，而弱一致性（最終一致性）即能滿足要求，為什么？因為對於“山推”來講，一個Group Master寫了一個數據，而另一個Group Slave被讀到一個“過期”（因為Group Master已經寫，但此Group Slave還未更新此數據）的數據通常並不會帶來大問題，比如，我在“山推”上發了一個推文，“關注我的人”並沒有即時同步地看到我的最新推文，並沒有太大影響，只要“稍后”它們能看到最新的數據即可，這就是所謂的最終一致性。但當Group Master掛掉時，寫服務將中斷一小段時間由其它Group Slave來頂替，稍后還要再講這個問題。假如我們要做的系統不是山推，而是淘寶購物車，支付寶一類的，那么弱一致性（最終一致性）則很難滿足要求，同時寫服務掛掉也是不能忍受的，對於這樣的系統，應保證“強一致性”，保證不能丟失任何數據。
接下來還是以我們的“山推“為例，看看一個group如何完成數據同步。假設，現在我有一個請求要寫一個數據，由於只有Group Master能寫，那么Group Master將接受這個寫請求，並加入寫的隊列，然后Group Master將通知所有Group Slave來更新這個數據，之后這個數據才真正被寫入File System。那么現在就有一個問題，是否應等所有Group Slave都更新了這個數據，才算寫成功了呢？這里涉及一些NWR的概念，我們作一個取舍，即至少有一個Group Slave同步成功，才能返回寫請求的成功。這是為什么呢？因為假如這時候Group Master突然掛掉了，那么我們至少可以找到一台Group Slave保持和Group Master完全同步的數據並頂替它繼續工作，剩下的、其它的Group Slave將“異步”地更新這個新數據，很顯然，假如現在有多個讀請求過來並到達不同的Group Slave節點，它們很可能讀到不一樣的數據，但最終這些數據會一致，如前所述。我們做的這種取舍，叫“半同步”模式。那之前所說的強一致性系統應如何工作呢？很顯然，必須得等所有Group Slave都同步完成才能返回寫成功，這樣Group Master掛了，沒事，其它Group Slave頂上就行，不會丟失數據，但是付出的代價就是，等待同步的時間。假如我們的group是跨機房、跨地區分布的，那么等待所有Group Slave同步完成將是很大的性能挑戰。所以綜合考慮，除了對某些特別的系統，采用“最終一致性”和“半同步”工作的系統，是符合高並發線上應用需求的。而且，還有一個非常重要的原因，就是通常線上的請求都是讀>>寫，這也正是“最終一致性”符合的應用場景。
好，繼續。剛才我們曾提到，如果Group Master宕機掛掉，至少可以找到一個和它保持同不的Group Slave來頂替它繼續工作，其它的Group Slave則“盡量”保持和Group Master同步，如前文所述。那么這是如何做到的呢？這里涉及到“分布式選舉”的概念，如Paxos協議，通過分布式選舉，總能找到一個最接近Group Master的Group Slave，來頂替它，從而保證系統的可持續工作。當然，在此過程中，對於最終一致性系統，仍然會有一小段時間的寫服務中斷。現在繼續假設，我們的“山推”已經有了一些規模，而負責“山推”推文的這個group也有了五台機器，並跨機房，跨地區分布，按照上述設計，無論哪個機房斷電或機器故障，都不會影響這個group的正常工作，只是會有一些小的影響而已。
那么對於這個group，還剩2個問題，一是如何知道Group Master掛掉了呢？二是在圖中我們已經看到Group Slave是可擴展的，那么新加入的Group Slave應如何去“偷”數據從而逐漸和其它節點同步呢？對於問題一，我們的方案是這樣的，另外提供一個類似“心跳”的服務（由誰提供呢，后面我們將講到的Global Master將派上用場），group內所有節點無論是Group Master還是Group Slave都不停地向這個“心跳”服務去申請一個證書，或認為是一把鎖，並且這個鎖是有時間的，會過期。“心跳”服務定期檢查Group Master的鎖和其有效性，一旦過期，如果Group Master工作正常，它將鎖延期並繼續工作，否則說明Group Master掛掉，由其它Group Slave競爭得到此鎖（分布式選舉），從而變成新的Group Master。對於問題二，則很簡單，新加入的Group Slave不斷地“偷”老數據，而新數據總由於Group Master通知其更新，最終與其它所有結點同步。（當然，“偷”數據所用的時間並不樂觀，通常在小時級別）
中篇鏈接：http://www.cnblogs.com/ccdev/p/3340484.html
下篇鏈接： http://www.cnblogs.com/ccdev/p/3341234.html