异地多活的数据一致性简单设计
概述
异地多活，往往意味着夸机房读写延迟的增加，也就增加了读写失败的可能性，最终导致数据的延迟更长，同时，这种场景下也会影响在线系统的性能和时延。本文从数据低延迟、开发复杂度上考虑，总结了两种处理方式，分别是双写和双读，从而保证数据的最终一致性。对于异地多活的业务场景，往往也不需要保证强一致性，允许短时间的不一致性。例如对于外卖软件，在南方点了外卖，然后到北方出差，常规上也不可能短时间内（分钟级别）从南方飞到北方。
再举个极端的例子，我们所看到星空中的行星的光，也很多是很多年前从很远的宇宙发射过来的，你不可能在同一时间看到光。
再者，实现真正的异地多活（强一致，多节点写入）是个极其复杂的工程，需要底层数据库、业务上的支持，对于一致性要求没那么高的业务场景，我们可以选择稍微简单的方案实现。
双写
写入本机房后，还需要写入异地机房，同步方式可以有：
-
数据库本身支持了同步：这种情况往往需要增加第三方组件，例如阿里的otter组件支持了mysql的同步。业务代码只需要写一次，底层数据同步交给数据库，会出现短时间的两个机房数据不一致的情况，业务上往往能够接受。但极端情况也会出现异地对同一份数据进行写，导致写写冲突，这时候需要业务介入做抉择（常见的方式如订单系统后期的对账补偿）。如果对于数据库的操作是数据库级别的原子性操作，例如redis的incr命令，就可以避免写写冲突。
-
数据库本身不支持同步：这种情况需要业务代码双写，跨区写的失败率会变高，采取重试，但会加剧数据的延迟（如果延迟不高，也能接收）。同时，如果是在线系统，往往并发量比较大，所以还是得在业务层面加MQ，如加入第三方的MQ（如kafka），实现上就得实现producer和consumer逻辑，而且还需要额外对kafka进行维护，这也带来了系统的复杂性。简单做法是采用内存队列，直接写入内存队列，通过定时器定期消费内存队列数据。如果数据支持批量接口，采用批量写数据库，读的时候，只读本机房数据。这种方式，也会有问题：因为是内存队列，如果服务重启，还没来得及消费的数据会丢失；或者是多次写失败重试后依然失败，也会导致数据丢失（其实这种情况需要发出告警，人工介入了）。如果业务允许有一定的数据丢失的情况，但对时效性要求较高的，采用这种方式比较合理。
双读
跟双写的读本机房相反，改成只写本机房，读双机房。这种方式，首先对于高并发的读，非常不友好，跨区读的时延太高，同步读往往会导致超时或者影响在线时延。所以一般采用异步的方式，由一个异步线程把数据从另一个机房捞出来再写入本地机房数据库，读的时候只读本地机房数据库库。这种方式加大了延迟，好处是提高了并发度，尽量的减少对读的影响，而且如果本地支持幂等性，还能保证数据的最终一致。数据从异地同步到本地的机制可以两种：
-
全量同步：实现简单，但只适合于数据量少，但如果数据太多，同步也会很慢，加大了延迟，有可能打满网卡导致影响整体服务环境。
-
增量同步：实现复杂，需要设置个游标，类似kafka的offset，记录本次同步到的点，如何标准游标是准确的呢？需要保证不多也不少，例如如果游标粒度设置的太大，同一个游标可能对应多个数据，这样可能导致捞过来的数据比原有的多。所以这种情况对游标的选择就比较重要了。
高并发下的优化方案
批量：无论是对于双读还是双写，都采用数据库的批量接口，减少网络io。
异步+双队列缓存
-
- 异步：对于双写方案，采用异步写；对于双读方案，采用异步读更新（这种情况除非是增量更新，否则如果全量更新，也会导致性能和延迟的增加；但全量更新就要求数据不能太多，而且如果数据库是redis或者其他kv，需要提前知道对应的key）。
- 双队列缓存：双buffer是为了提高并发度，对于双写，可以只需要对内存中的写进行互斥，但对于数据的更新不会互斥，因为两者个用不同队列；对于双读，数据结构可以参考我之前发的doublybufferdata数据结构。对于队列，其实是传统MQ的替代，只是如果引入MQ，则需要带来额外的维护成本，所以可以简单的实现，用set或者map都可以。
总结
双读和双写的本质区别其实是数据在哪一边同步的问题，类似kafka的producer和consumer，不可能放在同一个机房，要么producer端是夸机房，要么是consumer端是夸机房。无论是哪种方案，都会面临延迟和不一致问题，以及还有性能问题，需要根据业务需要选择一种折中的方案。
